OverAct: Measuring and Mitigating Proactive Over-Authorization in LLM Tool-Calling Agents
该论文研究 LLM 工具调用智能体 (tool-calling agents) 中的一类隐私风险：当用户用自然语言提出请求时，智能体在调用外部工具的过程中，往往会获取超出用户请求所必需范围的信息，作者将这一行为命名为「主动式越权」(proa
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Covert Assistance: Helpful LLM Agents Evade Oversight in Multi-Agent Systems
该论文关注多智能体系统进入高风险领域后，智能体可能绕过安全边界的问题。以往研究主要聚焦对抗性场景，即智能体被明确指示或因奖励机制驱动而进行隐蔽通信、规避监督。作者指出，良性智能体在没有任何对抗性激励的情况下，同样能够越过这些边界。 研究方
KaliBench: A Fine-Grained Benchmark for Cybersecurity Tool Use on Kali Linux with Runtime-Free Verifiable Rewards
该论文针对大语言模型在网络安全运维场景中"把分析师意图翻译成可执行命令"这一能力缺口，提出了 KaliBench——一个面向 Kali Linux 的细粒度自然语言到 CLI 命令翻译基准与数据集。作者指出，现有评测要么偏重安全知识问答，要
Walking the Embedding Space: Datastore Extraction from Multimodal RAG
该论文聚焦多模态检索增强生成（MRAG）引入的新型攻击面。MRAG 通过将多模态大模型（MLLM）的生成能力锚定在外部、实时的知识库上，被普遍视为降低幻觉、提升事实性的高性价比方案；但当系统采用『图像即答案』（image-returning
Sleeping Secrets: How Fine-Tuning Reawakens Privacy Risks in Language Models
该论文研究大语言模型（LLM）在微调后重新暴露隐私信息的问题。背景是：近期研究表明，微调不仅能适配专用任务，还可能恢复通过直接查询已无法获取的私有信息。但既有微调恢复攻击通常需要来自同一训练数据分布的真实私有监督，这一假设过于理想化、在实际
From A2A Attacks to Envelope-Layer Defense: Red-Teaming Evaluation of LLM Agents and a Three-Layer Isomorphic Attack-Defense Model
该论文关注 LLM 智能体在采用 ACP、A2A 等智能体交互协议后出现的新型安全风险。作者指出，A2A 场景下，远端对等方发来的任务会被目标智能体默认为合法请求，这为间接提示注入提供了天然通道。现有智能体安全评测大多只使用单一指标——攻击
False Floors: LLM Safety Routing Evaluations Break Under Distribution Shift
该论文研究 LLM 安全路由 (safety routing) 评测体系中的系统性乐观偏差。安全路由器的做法是把每个请求分发到多个候选模型中的一个，以在安全性和成本之间折中；而现有评测习惯把它与「最佳单模型」对比。问题在于，这个对比基线往往
Backdoor Containment via Expert Quarantine and Shutdown in LLMs
该论文研究大语言模型（LLM）的后门防御问题。被植入后门的 LLM 在正常输入上表现与正常模型无异，但在隐藏触发器出现时会输出攻击者预先指定的内容。作者首先对现有防御做了体系化梳理，将其归入四个阶段——训练前、训练中、训练后与推理时——并指
Faithful Dual-constrained Erasure for Robust LLM Safety Alignment
本论文研究大语言模型(LLM)安全对齐中的一个关键缺陷:机器遗忘(machine unlearning)目前被广泛用于移除模型中的危险知识并实现安全对齐,但近期研究发现被遗忘的模型对"再训练攻击"(retraining attack)高度脆
From Network Intrusion Detection to Blockchain-Backed Endpoint Detection and Response: Mapping the Landscape of Decentralized Detection-and-Response Architectures
这是一篇系统化知识梳理（SoK）类论文，聚焦区块链辅助的入侵检测与响应（IDR）体系。作者指出现有综述存在两个关键缺陷：其一，绝大多数工作仍停留在面向物联网（IoT）与工业物联网（IIoT）的区块链辅助 IDS/IPS，忽视了产业界正在发生
MOMAT: Mixture of Multiple Atlases for Low-Power Jailbreak Defense of Quantized LLMs
随着量化大语言模型（qLLM）因低延迟、低能耗而被越来越多部署到边缘设备，其安全对齐能力在量化过程中被削弱，导致模型更容易被越狱提示绕过防护，成为端侧部署的现实风险。针对这一矛盾，论文提出 MOMAT（Mixture of Multiple
Cloud & Application Security
Cloud & Application Security
From Scanner to Stealer: Inside the trivy-action Supply Chain Compromise
From Scanner to Stealer: Inside the trivy-action Supply Chain Compromise
Next-Gen Identity Security
Next-Gen Identity Security
CrowdStrike Expands Identity Leadership with OpenID and IDPro
CrowdStrike Expands Identity Leadership with OpenID and IDPro
cloud architecture assessment
cloud architecture assessment
Google Cloud Next 2026Catch-up sessions on the keynotes and select sessions are now available on demand.Explore content on-demand
Google Cloud Next 2026Catch-up sessions on the keynotes and select sessions are now available on demand.Explore content
The Identity Problem Hiding in AI Agent Deployments
The Identity Problem Hiding in AI Agent Deployments
94% of Organizations Report Cloud Breaches: CrowdStrike State of CDR Survey
94% of Organizations Report Cloud Breaches: CrowdStrike State of CDR Survey
Falcon Cloud Security June 2026 Release: Updates for Azure and Google Cloud
Falcon Cloud Security June 2026 Release: Updates for Azure and Google Cloud