TANGO: Watermarking Masked Diffusion Language Models in Token Pairs
该论文关注掩码扩散语言模型中的文本水印问题。此类模型并行填充掩码位置且没有固定解掩码顺序，导致多数假设从左到右生成的水印方法失效：传统方法通常将每个 token 与它之前的 token 关联，但在扩散模型中，那些前序 token 可能仍处于
2026-09-30 归档
今日共收录 1598 条安全情报，包含 728 个 CVE，467 篇安全通告，以及 100 篇研究论文。
← 返回归档列表DecoyTrace: Toxic Decoys for Active Defense in Decentralized Federated Learning
该论文针对去中心化联邦学习（DFL, Decentralized Federated Learning）场景下防御能力不足的问题，提出了名为 DecoyTrace 的主动式网络欺骗防御方案。DFL 取消了中心聚合服务器，虽然避免了单点故障，
Does the Unsafe Gradient Survive a Conversation? On the Fragility of Gradient-Based Jailbreak Detection in Multi-Turn Dialogue
该论文研究的是多轮对话场景下基于梯度的越狱（jailbreak）检测器是否依然有效。背景在于：安全对齐的大模型通常以多轮助手形式部署，攻击者可以把恶意意图拆散到多个用户轮次中，而不是塞进单条提示；而 GradSafe 这类基于梯度的越狱检测
Audience-Bound Persistent Memory: Authorization Across the Memory Lifecycle
该论文研究个人语言智能体（personal language agent）跨私人与共享对话为所有者服务时的记忆授权问题：智能体可能在某一场合（audience）学到一条事实，之后在为另一场合组装上下文时把它放进模型输入，造成跨受众的信息泄露
Quantization Enables Private Dense Retrieval against Malicious Service Providers
该论文研究 RAG(检索增强生成)中稠密检索的隐私与完整性问题。稠密检索通过比较查询与大规模语料库文档的稠密向量表示来召回最相关文档，是 RAG 的核心组件。在医疗、法律等隐私敏感场景中，检索通常外包给第三方服务：服务器既能看到用户明文查询
Multi-Class, Multi-Tier Network Intrusion Detection: A Comprehensive and Reproducible Benchmark
近年来机器学习与深度学习主导了入侵检测系统（IDS）研究，但大量已发表成果存在指标虚高和基准不可复现的问题。这些问题贯穿 ML/DL 流水线全过程：从数据采集与标注，到特征工程、模型训练与评估。CIC-IDS2017 是网络入侵检测领域常用
Detecting False Data Injection and Unstable Operation in Smart Grid via System-Aware Graph Boundary Learning
该论文针对网络物理电力系统(智能电网)中两个长期被割裂处理的问题——稳定性预测与虚假数据注入(FDI)攻击检测——提出了统一的图学习框架 StarGNN。研究背景是:现代电网越来越多地依赖数据驱动工具来识别不稳定运行状态并支撑可靠调度,但真
Optimizing and Securing the Modern Watermarking Channel for Images
该论文针对当前用于满足生成内容可追溯法规的多比特后验水印（post-hoc watermarking）方案展开理论剖析与改进。此类现代方案通常由一对深度神经网络构成编码器与解码器，被当作纯黑盒进行端到端训练；训练时把水印信道中的噪声建模为一
OPFL: Optimistic Verification of Federated Learning via Empirical Boundary
联邦学习允许多个客户端在不共享私有数据的前提下协同训练模型，但服务器对本地训练过程缺乏可见性，既无法确认客户端是否严格遵循既定训练流程，也难以发现模型投毒等恶意更新。一种直观的验证思路是“重放”客户端训练：用相同配置重新执行训练并比对结果。
An Empirical Study and Assessment of EU AI Act Compliance Checkers
该论文对欧盟《人工智能法案》(EU AI Act) 的自动化合规检查工具 (AI Act Compliance Checkers, AIACCs) 开展了首次系统性实证研究与评估。研究背景是：EU AI Act 对开发、部署或集成 AI 系
Privacy-Friendly Cohort Determination: Sealed, CSP-Independent In-Browser ML Inference of Professional Segments for Identity-Less Advertising
该论文针对 B2B 广告的定向困境提出 SIF（Sealed Inference Frame）方案。背景是：B2B 广告需要推断浏览者的职业属性（雇主规模与行业、职能、职级），传统做法依赖跨站身份匹配；但 Safari 与 Firefox
Sustained Participation as a Security Resource: The Bounded Participation Channel
该论文针对抗女巫(Sybil)防御的一个结构性盲点提出新思路。现有大多数防御机制把成本设置在"创建身份"这一环节(如工作量证明、押金、实名验证),而一旦攻击者通过准入,就可以几乎零边际成本地长期维持大量身份,防御方缺少持续性的代价施加手段。
TEE Anchor: Cross-TEE Organizational Endorsement for Mitigating TEE Physical Attacks
2025 年，针对可信执行环境（TEE）的物理访问类攻击被陆续披露（如 TEE.fail、Battering RAM），此类攻击需要攻击者能够物理接触目标机器，因而对当前 TEE 部署构成严重威胁。论文的核心观察是：目标机器的物理防护越严格
From Reconnaissance to Response: Quantitative Risk Parameterization and Game Theoretic Containment in Modern Enterprise Attack
论文聚焦现代企业安全运营中心（SOC）面临的响应延迟问题：人工处置滞后使攻击者得以在杀伤链的早期侦察阶段持续推进。作者指出，经典博弈论防御模型虽然能优化防御资源的战略分配，但其效用矩阵是静态的，无法随实时遥测数据自适应调整。为此，论文提出一
TTMark: Pairwise Distortion-Free Watermarking Beyond Single-Token Entropy
该论文研究的是机器生成文本的「无失真水印」(distortion-free watermarking)技术。这类水印的核心承诺是:在不改变模型原始输出概率分布的前提下,把可检测的统计信号嵌入生成文本,从而实现对 AI 生成内容的可靠溯源与归
Beyond Scalar Probes: Exploiting Vector-Valued Outputs in ReLU Networks For Signature Extraction
本文重新审视了针对 ReLU 前馈神经网络的"密码分析式"模型提取问题，即把神经网络权重与偏置的恢复类比为对密码算法的密钥恢复，从几何与代数两个视角对这一问题给出新的刻画。论文指出，以往工作大多把注意力集中在网络的单个输出分量上（例如沿某一
Implementing Data Diodes Using Commodity Hardware and Open Source Software
该论文研究如何使用商用硬件和开源软件构建单向网络设备（数据二极管），以低成本实现原本昂贵的高保障单向数据传输方案。数据二极管用于防御高级网络攻击，目前主要部署在核电站和政府涉密信息处理场景，主要原因之一是其商业产品价格高昂。论文指出，虽然硬
Quantum Leakage Resilience of Shamir Secret Sharing
本论文首次系统研究素域上「未经修改」的 Shamir 秘密共享方案在量子泄漏模型下的安全性（即量子泄漏韧性）。经典文献中一个被广泛研究的泄漏模型是：每一方泄露其持有份额的一个本地比特（single-bit local leakage）。作者
When One Leak Pays Forever: Context Binding and the Price of Deterring Collusion
本文研究阈值加密内存池（threshold-encrypted mempool，当前对抗 MEV 抢跑的主要防御手段之一）中解密委员会的合谋威慑问题。核心洞察是：一次泄露往往能反复获利——当解密委员会中达到法定人数（例如 n 名成员中的任意
Calibrating One-Round Membership Inference with Neighbors
该论文研究成员推断攻击(Membership Inference, MI)在“单轮(one-round)”设定下的信号校准问题。当前最先进的 MI 方法依赖参考模型(在排除目标样本的数据上训练的辅助模型)对每个样本单独进行逐样本校准,从而得