Chaining Skills to Hijack LLM Agents
该论文研究 LLM agent 通过组合"技能(skill)"完成专门任务时引入的安全风险。当前 agent 常按顺序调用多个技能,上游技能的产出会作为上下文或输入流向下游技能,从而影响后续决策;而这些技能可能来自开源仓库,连同其中的攻击者
2026-10-02 归档
今日共收录 1399 条安全情报，包含 504 个 CVE，518 篇安全通告，以及 100 篇研究论文。
← 返回归档列表Do Defenses Against LLM Extraction Work Across Attacks? A Lifecycle Benchmark of Black-Box Model Extraction
该论文关注大语言模型（LLM）以纯文本 API 形式对外提供服务时所面临的模型抽取（model extraction）风险：攻击者可以批量采集受害模型的响应，用来训练一个替代模型（surrogate），从而在无需访问权重与架构的情况下近似复
CodeMimicry: Exploiting Safety Generalization Lag in Large Language Models via Structured Code Completion
该论文聚焦于大语言模型安全对齐的跨域泛化问题。作者指出，当前主流模型的安全对齐训练数据以自然语言为主，其防护能力难以迁移到代码等结构化领域，并将这一现象命名为「安全泛化滞后」（safety generalization lag）。这种滞后在
Hiding in Plain Sight: Decoupling Pretext from Actuation for Skill Poisoning in LLM Agents
随着 LLM 智能体越来越多地依赖可复用 Skill（技能）完成多步骤复杂任务，技能生态正演化为一条新的软件供应链，并形成关键攻击面：被投毒的技能内容可以在用户请求完全正常的前提下，操纵智能体的决策循环。已有技能投毒研究要么把具体操作与其情
No One Architecture Fits All: A Cross-Environment Evaluation of Hierarchical Red Team Agents
该论文针对自主红队智能体（autonomous red team agents）的架构选型问题展开系统性研究。背景是：随着 AI 赋能的网络防御日益普及，红队智能体被用于自动化地规划策略并执行多阶段攻击以对防御体系进行压力测试。规划与执行这
High-quality Data Do not Mean Safe! Poisoning LLMs after Data Selection
该论文研究大语言模型安全对齐在微调阶段的脆弱性，重点关注一个此前被忽视的环节：真实训练流水线中普遍存在的数据质量筛选。以往投毒研究通常假设恶意或有害样本会直接进入下游微调，但实际管线往往会依据困惑度、质量评分、去重和清洗等手段对数据进行过滤
Speculative Safety Honeypot: Toward Proactive Defense Against Multi-turn Agent Attacks
该论文面向 LLM Agent 在多轮交互场景下的安全防护问题。随着 LLM Agent 被部署到工具调用、代码执行、浏览器操作等复杂环境中，攻击者可以通过把恶意意图拆散到多轮对话中逐步诱导，使单轮看似无害的请求在整体轨迹上构成实质风险。现
Jev-IDS: System One Models for Network Intrusion Detection
该论文针对机器学习型网络入侵检测系统（NIDS）长期存在的两个痛点展开研究：一是依赖大规模人工标注数据集与任务专用训练流程，迁移与冷启动成本高；二是大语言模型（LLM）虽然可以直接读取流记录并作出判断，但推理成本与延迟显著更高，且输出格式约
Towards Hierarchical Cyber Defense with Large Language Models: From Planning to Execution
该论文研究如何用大语言模型（LLM）为自主网络防御提供免重训的层次化控制。研究背景是：现有的自主网络防御智能体通常使用强化学习（RL）训练，其策略与训练时所在的网络拓扑和规模强绑定，一旦网络规模发生变化就需要重新训练，泛化能力受限。层次化强
SEW: Style-Encoded Watermarking of LLM-Generated Code
该论文研究的是大语言模型生成代码的来源追溯（provenance tracking）问题，提出了一种名为 SEW（Style-Encoded Watermarking）的代码水印方案。现有代码水印方法大致分为两类：一类在模型生成过程中修改
Homomorphic Advantage Operator: Stabilizing Reinforcement Learning Under Fully Homomorphic Encryption Constraints
该论文研究在云计算环境下、面向含机密数据的智能系统进行隐私保护机器学习时遇到的部署难题。全同态加密（FHE）能让云端直接对密文计算、保持数据机密性，但把 FHE 用于强化学习（RL）时必须将非线性运算替换为多项式近似；作者指出，这种替换会因
决赛直播｜第四届阿里CTF安全挑战赛
先知社区发布了一条关于第四届阿里CTF安全挑战赛决赛直播的社区资讯。CTF（Capture The Flag）是网络安全领域的夺旗赛，通常以解题、攻防对抗、漏洞利用与逆向等形式考察参赛者的安全技能。该条内容本身属于赛事宣传与直播入口类信息，
devalue: Residual sparse-array CPU amplification in uneval
`uneval` performs synchronous work proportional to a sparse array's declared length. An application that passes attacker
devalue: Repeated primitive strings cause quadratic expansion in uneval
Under very constrained circumstances, data that was `parse`d and then passed to `uneval` could turn a small payload into
devalue: stringifyAsync can cause an unhandled rejection despite a caught returned promise
When serializing multiple promises, a later promise can reject before an earlier one settles. An internal rejected promi
CISA Adds Exploited Cisco Catalyst SD-WAN Manager Auth Bypass to KEV
CVE-2026-76504
The U.S. Cybersecurity and Infrastructure Security Agency (CISA) on Wednesday added a critical authentication bypass fla
Apple CoreGraphics PoC Emerges as WhatsApp PDF Checks Hint at Possible Delivery Path
CVE-2026-86950
Security researchers have published the first public proof-of-concept for CVE-2026-86950, an Apple CoreGraphics flaw App
Zimbra Vulnerability Exploited in the Wild Prior to Public Disclosure
CVE-2026-73570
Under certain conditions, CVE-2026-73570 can be exploited via specially crafted emails without user interaction. The pos
DeBERTa-ConPara: Attack-Aware and Deployment-Realistic Detection of AI-Generated Text
该论文研究的是 AI 生成文本检测在真实部署条件下的鲁棒性问题。作者指出三类现实挑战会显著削弱在域内表现良好的检测器：不同领域与不同生成模型之间的分布漂移、输入表面被施加的对抗扰动（如字符层面的替换与插入），以及目标域缺乏标签导致判决阈值无
ZoneClaw: Mitigating Persistent Memory Attacks by Establishing Memory-Zoning in OpenClaw-Style Computer-Use Agents
该论文关注计算机使用型智能体（Computer-Use Agents, CUA）在长期运行场景下的持久化记忆安全问题。OpenClaw 风格的 CUA 通过自动重载的工作区文件实现跨会话记忆，这些文件把用户指令、系统摘要与外部声明混置于同一