Secrets That Survive Everything: Runtime Credential Exposure in Production Web Applications
该论文聚焦一个长期被忽视的防护缺口：部署前的密钥扫描只作用于源代码仓库，而从不检查生产应用实际向浏览器下发的资源。作者在一次获得授权的评估中审计了某组织约 2,000 个企业级 Web 资产，发现其中 113 个（5.65%）在生产 Jav
2026-09-23 归档
今日共收录 1513 条安全情报，包含 580 个 CVE，548 篇安全通告，以及 93 篇研究论文。
← 返回归档列表Specification Before Generation: A Pre-Registered, Five-Model Paired Evaluation of a Specification Frame for LLM-Generated Code in Money, Time, Idempotency, and Access Tasks
该论文研究一个在受监管后端开发中反复出现却长期未被有效解决的问题：大语言模型生成的代码在安全与正确性检查上的通过率四年来几乎没有提升，而在金融、医疗、保险等受监管场景里，真正致命的缺陷类别集中在四类——金额运算（精度、舍入、货币单位）、时间
Beyond Single-Model Injection: A Threat Model and Defense Architecture for Prompt Injection in Multi-Agent Systems
该论文指出，现有提示注入（Prompt Injection）研究几乎都局限于单模型聊天机器人场景，即攻击者通过精心构造的输入操纵单个 LLM。作者认为多智能体（Multi-Agent）系统引入了三种单模型场景中不存在的放大机制：其一，智能体
Forgeable Confirmation in Automated Computer Security Testing: Deterministic Rules versus AI Judges
论文关注一个常被忽视的信任问题：当 AI 被用于自动化计算机安全测试（如自动化渗透、漏洞扫描流水线）时，工具必须自行判断一次攻击是否成功。作者指出当前实践存在不对称：若由确定性规则（deterministic rule）通过观察确认某发现，
Attack Success Rate Is Not a Number: On Measurement Validity in Agentic AI Security Evaluation
这篇论文研究的是 LLM 智能体（agentic AI）安全评测中的测量有效性问题，核心论点是：攻击成功率（Attack Success Rate, ASR）并非一个单一、定义明确的数值，而是由六个设计维度共同参数化的一族指标。论文指出，文
Runtime Authorization Consistency Checking for MCP-based Agentic Workflows
该论文聚焦 MCP（Model Context Protocol）驱动的智能体（agentic）工作流中的授权安全问题。此类系统通过多步工具调用访问文件、服务与外部资源来满足用户请求，而现有防护普遍采用“逐调用隔离检查”的方式，即对每一次工
LeaseGuard: Incumbent-Preserving Admission Control for Privileged LLM Agents
该论文聚焦于特权语言模型（LLM）智能体在执行新任务时，可能通过抢占（preemption）方式挤掉正在运行且健康的既有任务（incumbent）的问题。作者指出，这类故障的根源在于：系统把“执行权限（execution privilege
OPBackdoor: Opportunistic Backdoors via Alibi-Aligned Reasoning
该论文挑战了 LLM 后门研究中长期默认的「触发器充分性」(trigger-sufficient) 假设。传统 LLM 后门的工作方式是：只要输入中出现触发词，模型就无条件输出目标响应，与提示上下文无关。作者指出，这种「触发器一出现即生效」
ActGov: Governing LLM Agent Actions via Policy-Constrained Validation
该论文针对 LLM Agent 长程工作流中的授权失控问题提出运行时强制框架 ActGov。研究背景是：现代 LLM Agent 通过外部工具执行多步骤、长周期任务，工具返回的不可信内容（如网页、邮件、文档中的间接提示注入）会污染后续推理，
Structured Decomposition for Reliable LLM-Generated Access Control Policies
该论文聚焦于一个现实痛点：自然语言描述访问控制需求易于人读，却难以直接落地为机器可执行的策略代码，而让大模型一次性生成策略往往在编译、语义与安全边界上频繁出错。作者提出并实现了一套基于 LLM 的模块化端到端管线，把自然语言访问控制策略（N
Connecting the Dots in Agentic AI Security: A Cross-Dimensional Threat Taxonomy, Evaluation Maturity, and Open Challenges
该论文聚焦 agentic AI 带来的安全边界扩张问题。传统 LLM 安全主要关注生成内容本身，而具备自主性的智能体还要维护持久状态、执行自主动作、调用外部工具，并与人类及其他智能体交互，这使得威胁面从"输出内容"延伸到"状态—动作—工具
TriFleetRCA: On-Premise LLM Root Cause Analysis for Kubernetes
论文针对远程站点/边缘环境的 Kubernetes 根因分析（RCA）痛点展开研究。当前运维场景中，故障证据分散在 Pod 日志、Kubernetes 事件与集群级对象里，跨源关联耗时且依赖人工经验；同时许多企业出于合规与数据主权要求，无法
SSP-Bench: A Hybrid Data Generation Framework for Safety, Security, and Privacy Evaluation
大语言模型（LLM）在安全、安保与隐私（SSP）维度的评估目前高度依赖静态基准，这类基准存在三类结构性缺陷：分数饱和（模型分数趋同、区分度下降）、数据污染（测试样本可能进入训练语料），以及聚合伪影（把不同性质的安全构念混在同一总分里）。更关
Feedback Coding Enables Inference-Time Covert Agentic Communication
本文研究大语言模型（LLM）生成文本被用作隐蔽通信载体（隐写 / steganography）的问题。随着 LLM 广泛用于自动化数字交互，攻击者可以让表面上正常的对话文本同时承载秘密消息。现有 LLM 隐写方案多为白盒：发送方与接收方需要
Decoding Guardrails: XAI-Guided Perturbation Analysis of Prompt Injection Detection
该论文（arXiv，cs.AI，作者 Fernando Outeda、Gustavo Betarte、Juan Diego Campo、Fiorella Cravero）针对大模型生产部署中广泛使用的分类器型护栏开展探索性案例研究，以 Me
Reasoning Topology Matters: A Controlled Study of LLM-Based Cybersecurity Analysis
该论文研究的是大语言模型（LLM）在网络安全分析场景下的推理结构问题。作者指出，LLM 已被越来越多地用于网络安全领域，而这类任务（如 ATT&CK 流量研判、威胁情报理解、CVE 漏洞分析）通常需要在复杂、异构的数据上进行多步、依赖上下文
Dissecting Agentic Forensics: The Role of Triage, Prompting, and Evidence Arbitration in Open-World Fake Image Detection
该论文针对开放世界图像取证（open-world image forensics）中检测器碎片化的问题展开研究。当前图像篡改形式多样，既包括完全合成的图像，也包括局部编辑、拼接（splicing）与替换（swapping），但大多数取证检测
When the Agent Becomes the Kernel: A Systematization of Security on the Path to AI-Native Operating Systems
本文对"AI 原生操作系统"路径上的安全问题进行了系统化梳理（systematization）。研究背景是：大语言模型智能体已不再是单纯的文本生成器，而是被授予了高权限的主体（principal），能够直接编辑代码仓库、操作用户收件箱、完成
LLMs as Linguistic Chameleons: Decoupling Semantics and Structure for Privacy-Preserving Communication
背景与问题：随着 LLM API 被大量集成进隐私敏感的业务流程，如何在推理阶段既保护输入隐私又不牺牲下游任务效用，成为一个突出难题。现有隐私保护方案（如加密、噪声扰动、局部替换等）通常需要保留大部分原始语义，以维持模型推理质量，但这也意味
From Bits to Beliefs: Recoverable Semantic Fingerprints for Black-Box Verification of Large Language Models
该论文关注开放权重大语言模型（Open-weight LLM）在发布后被复制、微调并通过黑盒 API 二次分发的场景下，原始模型所有者难以进行发布后归属验证的问题。现有黑盒指纹方案通常依赖「秘密查询—密钥对」：向可疑模型发送特定触发输入，检