Ryuk ransomware member sentenced to 24 months in prison
An Armenian man was sentenced to 24 months in prison and 3 years of supervised release for hacking U.S. companies and en
2026-09-24 归档
今日共收录 1600 条安全情报，包含 683 个 CVE，518 篇安全通告，以及 100 篇研究论文。
← 返回归档列表F5 patches BIG-IP APM zero-day flaw exploited in RCE attacks
F5 has released security updates to address a critical BIG-IP APM zero-day vulnerability being exploited in remote code
Compromised MemTensor Packages Deliver sckit Credential Stealer via npm and PyPI
Unknown threat actors have managed to compromise two legitimate MemTensor packages across the npm and Python Package Ind
Anthropic and OpenAI Models Still Attempt Restricted Actions in Safety Tests
Anthropic and OpenAI on Tuesday announced new models, with both artificial intelligence (AI) companies noting that they
IonQ Targets Quantum Error-Correction Bottleneck With Single-CPU Decoder
IonQ’s new single processor quantum error decoder minimizes the classical computing overhead in quantum error correction
ActGov: Governing LLM Agent Actions via Policy-Constrained Validation
该论文针对 LLM 智能体在长周期、工具调用型工作流中的授权失控问题提出运行时治理框架 ActGov。研究背景是：智能体通过外部工具执行多步任务时，工具返回的不可信内容（如网页、文档、第三方 API 输出）会作为上下文回流进模型，进而影响后
Forgeable Confirmation in Automated Computer Security Testing: Deterministic Rules versus AI Judges
该论文研究自动化计算机安全测试中「确认（confirmation）」环节的可信性问题。当前 AI 辅助的安全测试工具需要自行判断一次攻击是否成功：由确定性规则通过直接观测确认的结论被当作事实上报，而由大模型判定为「可利用」的结论只被当作意见
EVAGE: Autonomous MEV Generation and Adaptation via Multi-Agent Harness
MEV（最大可提取价值）已成为区块链生态中的主要经济力量，但其捕获长期由经验丰富的团队主导：策略设计到工程实现都依赖人工专家，难以在异构协议与多链环境中规模化复制。论文提出 EVAGE，声称是首个实现端到端 MEV 策略生成与适配的全自主多
SSP-Bench: A Hybrid Data Generation Framework for Safety, Security, and Privacy Evaluation
该论文针对大语言模型（LLM）在安全（safety）、安保（security）与隐私（privacy，合称 SSP）评估中长期依赖静态基准的问题提出改进方案。作者指出，静态基准存在三类结构性缺陷：分数饱和（模型表现趋同、区分度丧失）、数据污
OPBackdoor: Opportunistic Backdoors via Alibi-Aligned Reasoning
该论文指出现有 LLM 后门研究普遍采用「触发充分」（trigger-sufficient）的建模范式：只要触发器出现，无论被触发的提示上下文如何，模型都会输出攻击者预设的目标响应。作者认为这种建模方式存在根本缺陷——因为目标响应与上下文无
Decoding Guardrails: XAI-Guided Perturbation Analysis of Prompt Injection Detection
该论文针对 LLM 生产部署中广泛使用的分类器式护栏（以 Meta 的 Prompt Guard 2 为代表）开展了可解释性（XAI）驱动的探索性案例研究。作者指出，这类护栏被当作抵御提示注入与越狱攻击的第一道防线，但其内部决策逻辑对防御方
Reasoning Topology Matters: A Controlled Study of LLM-Based Cybersecurity Analysis
该论文针对大语言模型在网络安全分析中的推理结构问题展开研究。背景是：LLM 已被广泛用于网络安全场景，而准确的安全分析往往需要跨复杂、异构数据（如网络流量、威胁情报文本、漏洞描述）进行多步、依赖上下文的推理。现有提示词（prompting）
GUIAuditor: Enabling Post-hoc Child Safety Forensics via Action-Guided GUI Provenance on Mobile Devices
本文关注智能终端普及背景下儿童面临的线上安全风险问题。作者指出，针对儿童的网络侵害（如诱骗、情感操控式的 groom（性诱导/诱骗）以及金融诈骗）往往深度嵌入在正常合法的 App 内部，因此难以靠传统的外部黑名单或内容过滤发现。当前产业界主
Your Model Is Leaking: Covert Information Transfer through LLM Residual Streams
该论文研究的是受限或气隙（air-gapped）环境下大语言模型的一个被忽视的泄漏面：为了运维与诊断需要，隐私敏感组织常会从受限环境导出选定的诊断制品（如中间激活、张量记录）。作者提出一个问题：这些被制度性允许导出的中间激活，是否可能被用作
Seal, Then Sample: Sampled Layerwise Proofs for Verifiable LLM Inference from GPT-2 to 70B
该论文研究的是「外包大模型推理的可验证性」这一信任问题：当推理由第三方服务商执行时，用户如何以可承受的成本确认返回的答案确实由指定模型、在指定提示下计算得出。作者提出 Sampled Layerwise Proofs（SLP）协议及原型。其
The Like Trap: Multi-Stage Poisoning against Agents in Similarity-based Recommendation Systems
随着大语言模型（LLM）驱动的智能体在社交媒体等平台上代理用户执行操作，其安全性问题日益突出。现有针对智能体的投毒攻击研究通常假设攻击者能直接向智能体展示恶意内容，这类直接攻击虽有效但容易被检测和缓解。本文探讨一个更隐蔽的威胁：推荐系统本身
CCR: Towards a Common, Quality-Gated CACAO Integrations Registry for European Cybersecurity Automation
该论文针对安全编排、自动化与响应（SOAR）实践中响应手册难以跨组织复用的问题，提出并实现了「通用 CACAO 注册表」（Common CACAO Registry，CCR）。背景是：OASIS 的 CACAO 标准提供了厂商中立的、机器可
ACTS: A multi-tier benchmark evaluating LLM cipher identification under controlled blind conditions
该论文提出 ACTS（Artifacts in Cipher Testing Suite），一个可复现的多层级基准，用于在受控的“元数据剥夺”条件下评估大语言模型（LLM）的密码算法识别能力。研究动机在于：以往关于 LLM 能否识别密文所属
Automated Extraction of Records of Processing Activities (RoPA) Using Hybrid RAG and Locally Deployed Large Language Models
该论文针对越南《个人数据保护法》(第 91/2025/QH15 号) 及配套第 356/2025/ND-CP 号法令 (2026 年 1 月 1 日生效) 提出的合规义务展开研究。该法规要求各组织建立并持续维护《数据处理活动记录》(RoPA
SLED-IFV: Solver-Validated LLM-Guided Decomposition for Scalable Hardware Information-Flow Verification
该论文聚焦于硬件形式化信息流验证（Information-Flow Verification, IFV）在真实 RTL 上难以扩展的问题。IFV 能为「无秘密依赖的时序与控制行为」提供强保证，但在实际设计中，证明往往因求解器规模爆炸而超时。