Dell asks admins to patch max severity CSM flaws as soon as possible
Dell has patched two maximum severity vulnerabilities in the Container Storage Modules (CSM) that connect Dell enterpris
2026-10-03 归档
今日共收录 1361 条安全情报，包含 499 个 CVE，489 篇安全通告，以及 100 篇研究论文。
← 返回归档列表Microsoft’s X account hacked in crypto pump-and-dump scheme
On Thursday, unknown attackers hijacked the official Microsoft account on X, which has over 13 million followers, in wha
Why CISOs Struggle to Answer the Board's Three Hardest Questions, and How to Fix the Report
The quarterly board meeting is two weeks out. The security team is pulling exports from the identity provider, the cloud
In Other News: $15K iCloud Spoofing Bugs, AI Policy Experts Phished, Adblocker Spies on AI Chats
Noteworthy stories that might have slipped under the radar: Kiteworks patches over 100 vulnerabilities, Microsoft publis
macOS Users Targeted by Fake Zoom Installer Carrying CloudSyncD Backdoor
The dropper “carries a complete universal Mach-O inside itself, roughly 756 KB in the development build, and extracts it
Representation Transitions Reveal Emerging Safety Risks in Multi-Turn LLM Agents
该论文研究多轮（multi-turn）场景下针对 LLM Agent 的攻击检测问题。作者指出，多轮攻击可以把每一步都单独看起来合法的动作组合成有害的结果，而仅在单步动作或单步状态上做判断的防御机制因此失效。论文的核心发现是：这类攻击会在
High-quality Data Do not Mean Safe! Poisoning LLMs after Data Selection
该论文研究大模型微调数据投毒与数据质量筛选之间的安全盲区。安全对齐后的大模型对少量有害或“貌似无害”的样本微调依然脆弱，但此前研究普遍假设投毒样本会直接进入下游微调，忽略了真实训练流水线中基于质量的数据筛选环节。作者系统评估了质量筛选对投毒
PACE: Provenance-Aware Capability Enforcement for Tool-Using LLM Agents
工具调用型大语言模型（LLM）智能体把生成文本转化为真实副作用，因此被投毒的工具元数据、检索页面、记忆与可复用技能都可能操纵下一步调用。仅在被采纳（admission）前审查工件并不能解决问题：论文指出，同一份采纳证据可能同时由一个安全变体
ActionGuard: Tool Call Authorization under Poisoned Skills
该论文聚焦 LLM 智能体在引入第三方 skill(第三方技能包,通常包含任务指令、脚本和工具调用流程)后出现的一类新型供应链风险:攻击者不必攻破模型本身,只需在一个原本无害的 skill 中插入少量恶意指令,就可能让一个良性的用户请求触发
Can Agents Trust Their Skills? Uncovering Unsafe Chains of Trust in Skill-Based LLM Agents
随着 LLM Agent 从"对话助手"演变为"可扩展执行体"，可安装的 Skill（由指令、代码与资源打包而成）成为其能力扩展的主要方式：Skill 一旦安装，便可在后续用户任务中被自动调用。这形成了一条信任链——用户把权限委托给 Age
Chaining Skills to Hijack LLM Agents
该论文研究 LLM Agent 的“技能链”（skill chain）安全问题。LLM Agent 为完成专门任务常顺序调用多个技能（skill），并允许前一个技能产生的信息影响后续决策；由于技能往往来自开源仓库，这种跨技能交接也可能把攻击
CodeMimicry: Exploiting Safety Generalization Lag in Large Language Models via Structured Code Completion
该论文研究大型语言模型安全对齐在代码域上的失效问题。作者指出，当前主流 LLM 的安全对齐数据与训练目标几乎完全集中在自然语言上，导致模型在代码等结构化领域缺乏同等强度的拒答能力，作者将这一现象命名为“安全泛化滞后”（safety gene
The Innocent Courier: Covert Exfiltration Through Legitimate LLM Web Fetching
背景：随着 LLM 与 LLM 代理能力提升，用户越来越多地让它们处理日常事务（如回复邮件、提供编程支持）。已有工作大量研究了提示注入、以及敏感数据泄露给聊天机器人服务商等风险，并提出输入结构化、本地部署模型等缓解手段。但本文指出一个被忽视
Do Defenses Against LLM Extraction Work Across Attacks? A Lifecycle Benchmark of Black-Box Model Extraction
该论文针对大语言模型（LLM）通过纯文本 API 对外提供服务时所面临的「模型抽取」（Model Extraction）风险展开系统性评估。攻击者可以批量收集受害者模型的响应，用以训练一个「替代模型」（surrogate），从而在无需访问权
Speculative Safety Honeypot: Toward Proactive Defense Against Multi-turn Agent Attacks
该论文针对 LLM 智能体（LLM agent）在多轮交互场景下面临的安全威胁提出了新的防御框架。研究背景是：随着 LLM 智能体被越来越多地部署到具备工具调用、外部环境交互能力的复杂系统中，攻击者可以通过把恶意意图拆分到多轮对话中逐步渗透
Safety Must Survive Self-Improvement: Why Failures Persist and How Agents Recover
本文研究递归自我改进（Recursive Self-Improvement, RSI）场景下智能体（agent）的安全性保持问题：智能体能够把历史改动跨代传递下去，因此安全机制不仅要阻止不安全行为在整个演化链条中持续存在，还要在出现失败时具
Identity-Bound Governance Under Execution Uncertainty: An Accountability Proof Block for LLM Agent Persistent Halts, with Cryptographic Implementation and Cross-Model Calibration
论文关注一个被忽视的治理盲区：一个治理机制本身正确运转的 LLM Agent，可能进入一种「执行不确定」状态——继续执行不被允许，自动停机同样不被允许。此时系统已检测到自身可观测性或漂移检测层出现了持续性失效，但系统无法自行判断谁有权恢复、
Towards Hierarchical Cyber Defense with Large Language Models: From Planning to Execution
该论文研究的是自主网络防御智能体的泛化与重训练依赖问题。传统上用强化学习（RL）训练出来的自主防御体通常与训练时所在的网络拓扑强绑定：网络规模一变（主机数、子网划分变化），策略往往需要重新训练才能保持效果。分层强化学习（Hierarchic
Homomorphic Advantage Operator: Stabilizing Reinforcement Learning Under Fully Homomorphic Encryption Constraints
该论文针对隐私保护机器学习在云端部署中面临的机密数据计算难题展开研究。全同态加密（FHE）允许在密文上直接计算，是保护云端数据机密性的重要手段。但将 FHE 应用于强化学习（RL）时存在一个根本性障碍：FHE 只支持加法和乘法等多项式运算，
Pretext: Defeating Malicious Skill Detection Frameworks for AI Agents
该论文研究 AI agent 的 skill（技能）生态安全。Skill 通过向 agent 上下文注入指令与信息来扩展能力，已被 OpenClaw、Claude Code 等广泛使用；已有工作表明第三方 skill 市场存在恶意 skil