Hearing the Whispers: Black-Box Membership Inference Attacks on Finetuned TTS Models
本文首次提出了针对微调文本到语音（TTS）基础模型的黑盒成员推断攻击（MIA）框架。随着 TTS 基础模型被越来越多地用于在私有数据集上微调以合成高度个性化的声音，这带来了严重的隐私风险，因为语音同时暴露了生物特征身份和敏感的语音内容。现有
2026-09-04 归档
今日共收录 1362 条安全情报，包含 399 个 CVE，552 篇安全通告，以及 120 篇研究论文。
← 返回归档列表The Native-Signature Boundary in Post-Quantum Distributed Authorization
本文研究了后量子签名迁移在多方分布式授权场景下带来的系统性架构问题。作者指出，在后量子密码迁移中，若授权决策由多个参与方共同完成（如多方签名、分布式授权），签名算法的选择不仅影响签名本身，还会深刻影响密钥生成、共享状态、预处理、交互协议、组
Seeing Less Is Not Seeing Safely: Privacy Leakage from Task-Scoped Robot Perception Exports
该论文关注家用机器人在本地保留原始传感器数据的情况下，仍然存在隐私泄露风险的问题。尽管感知模块在本地运行，但为了供下游规划器、云服务、日志系统或以学习为目的的流水线使用，机器人往往会导出结构化的场景表示（如语义地图、几何布局、空间拓扑等）。
When Does Authorization End? Effect Closure at Provider Boundaries
本论文研究授权撤销（authorization revocation）之后，已获授权的操作是否仍可能产生应用层拒绝的副作用，称为“策略相对效应闭合”（policy-relative effect closure，简称效应闭合）问题。作者指出
A Non-Formulable Theorem: A Fundamental Limit of Finite Syntactic Systems and Its Consequences for Security and AI
本文提出并证明了一个元定理：对于任何一致且具有足够表达能力的有限句法系统 S，至少存在一个定理，S 无法自主产生。这里的“有限句法系统”涵盖范围极广，包括安全机制、AI 系统、形式化验证器、法律系统、经济模型，甚至包括证明该定理自身所依赖的
Barnacle: Adaptive Multi-Leader Scheduling for DAG-Based Consensus
该论文针对基于有向无环图（DAG）的拜占庭容错共识协议中多领导者调度问题展开研究。在DAG-based共识中，所有验证者并发提出区块，而指定的领导者区块驱动交易提交。虽然每轮设置多个领导者槽位可以降低排队延迟，但生产环境通常只采用单一领导者
Practice Makes (Im)Perfect: A Look Back at Benchmarking Practices for Microarchitectural Side-Channel Attacks
该论文系统性地回顾并批判了 2014 至 2024 年间微架构侧信道攻击研究领域中的基准测试实践。研究背景是：随着该领域论文数量激增，对攻击效果的评估标准却缺乏严谨性与一致性。早期攻击论文通常依赖间接指标（如隐蔽信道带宽或对朴素 AES/R
NACRE: Rethinking Confidential Containers through Native Architectural Support
本文介绍 NACRE——一种面向原生机密容器的 RISC-V 软硬件协同设计。背景是 Linux 容器因其共享宿主内核而高效，但若宿主被攻破，容器状态可被任意检查或篡改。现有的机密计算方案要么保护单个 enclave 地址空间，要么保护整个
Privacy, Robustness, and Fairness Trade-offs in Federated Intrusion Detection: Geometric Indistinguishability at the Aggregation Interface
联邦学习通过在不集中敏感流量的情况下实现多方协作训练，成为网络入侵检测（NIDS）中隐私保护的关键技术。然而，实际部署要求同时满足三项相互矛盾的需求：形式化差分隐私保证、对拜占庭恶意参与者的容忍性，以及在严重类别不平衡下对攻击类别的可靠检测
Memetic Search for Supersingular Elliptic Curves over $\mathbb{F}_p$
本文研究有限域 F_p 上超奇异椭圆曲线的搜索问题，这是同源密码学中的一个核心计算问题。超奇异曲线是 CSIDH、OSIDH、SQISign 等基于同源的密码协议的基础，其安全性依赖于在巨大空间中寻找或构造满足特定性质的曲线。此前有研究在
CRAW: Codec Robust Audio Watermarking
本文提出了一种名为 CRAW（Codec Robust Audio Watermarking）的音频水印框架，旨在解决生成式语音模型带来的音频伪造与欺诈问题。近年来，生成式语音模型能够生成极其逼真的合成语音，使得真实与伪造音频难以区分，从而
A Bayesian Correlated Equilibrium for Early Insider-Threat Detection
该论文针对内部威胁（insider threat）检测问题，提出了一种基于贝叶斯相关均衡（Bayesian Correlated Equilibrium）的早期检测机制。作者将内部威胁检测建模为一个动态贝叶斯博弈：一个平台协调一组战略性的认
Overcoming the Randomness-Utility Trade-off in Answering Differentially Private Linear Queries
该论文研究差分隐私（Differential Privacy, DP）下回答线性查询时的随机性消耗与查询效用（误差）之间的权衡问题。传统上，为了实现差分隐私，机制需要注入随机噪声，而噪声的生成通常依赖于随机比特；随机比特的数量直接影响机制的
SPADE: SPaT Attack Detection from the Connected Vehicle's Perspective
本文提出了 SPADE（SPaT Attack Detection and Evaluation dataset），一个专为智能网联汽车（CV）信号相位与计时（SPaT）消息的深度学习入侵检测研究设计的仿真数据集。SPaT 消息是车联网（V
Learning-Based Reconstruction Attacks on Coordinate-Obfuscated Point Clouds
本文针对基于点云的体积视频内容保护方案——选择性坐标加密框架——进行了安全性评估。该框架仅加密点云中的部分坐标以降低计算开销，并期望在视觉上降级未授权内容。然而，此前尚未研究剩余未加密信息是否足以帮助攻击者重建被加密的坐标。作者提出了一种机
Evaluating ML-based Intrusion Detection Systems: The Illusion of Model Efficacy
该论文聚焦于机器学习在网络入侵检测系统（ML-based NIDS）中的应用现状，指出尽管现有研究在检测率、误报率等指标上表现优异，但这类‘模型效能’在遭遇未知攻击时往往显著失效，形成了一种‘模型效能幻觉’。作者认为，现有评估方式过度依赖算
Retrosynthesis of Synthetic Media for Explainable AI Provenance Forensics
本文提出一种面向合成媒体溯源取证的“自引用逆合成”（self-referential retrosynthesis）框架，旨在解决机器学习即服务（MLaaS）平台上生成模型快速普及后，在不修改生成器架构或参数的前提下可靠追踪合成内容来源的难
Agentic Settlement Protocol: An Application Profile for Refundable, Delayed-Fulfilment Agent Commerce on Stablecoin Rails
本文提出了一种面向自主智能体（autonomous agents）的结算协议——Agentic Settlement Protocol (ASP)，旨在解决当前基于稳定币的原子化支付模型在真实商业场景中的不适用问题。现有HTTP原生协议（如
Stored Is Not Supported: Typed Provenance and Assertion Guardrails for Persistent AI Agents
本文研究持久化AI代理（Persistent AI Agents）在通过反思、检索和整合构建自传式状态时面临的一个关键安全缺口：持久化机制只改变了信息的可用性，并未提升其证据地位。也就是说，存储在代理记忆中的数据或被检索到的内容，并不因此就
PrivateHub: Contrastive Diffusion Model for Private Sensor-Intensive Environment Data Generation
该论文针对传感器密集型环境中多源异构数据流带来的隐私泄露问题展开研究。在智能家居、可穿戴设备等场景中，系统通常需要从多种传感器数据中推断用户应用（如活动识别），但用户并不希望所有应用都被识别，例如某些私密活动对应的应用类别。现有隐私保护手段