本论文针对生成式搜索引擎（GSE）在面对投毒攻击时的攻击面进行了系统性评估，聚焦于政治领域，并从引用选择与个性化两个维度展开分析。生成式搜索引擎结合了网络搜索与基于大语言模型（LLM）的答案生成，能够根据用户偏好和背景提供个性化信息，已成为用户获取网络信息的重要途径。然而，由于任何人都可以在网络上发布内容，GSE 容易遭受投毒攻击，通过操纵引用生成机制来破坏信息传递的可靠性。既有研究主要评估答案是否忠实于所引用的内容，但忽略了刻画攻击面的两个关键方面：GSE 倾向于引用哪些发布者，以及个性化如何影响引用行为。为了弥补这一空白，作者提出了一种评估框架，用于刻画 GSE 对投毒攻击的攻击面。该框架包含两个主要贡献：其一，提出了一种新颖的度量指标——内容注入屏障（content-injection barrier），用于量化在给定发布者权威水平下，向网络注入任意内容的难度；其二，通过将用户画像嵌入 GSE，揭示了个性化对引用行为的影响。作者在美国和日本的政治领域对三个主流 GSE 进行了实验。实验结果表明：（a）不同 GSE 模型之间的攻击面存在差异；（b）GSE 的网页搜索功能是塑造攻击面的关键因素；（c）执政党相关的攻击面比反对党更广泛；（d）用户画像对攻击面的影响很小。该研究为理解和评估生成式搜索引擎在信息操纵风险中的脆弱性提供了新视角和方法论基础，对维护信息生态安全具有参考价值。

该论文针对 V8 JavaScript 引擎在嵌入到不同宿主环境（如 Chromium、Node.js 等）时产生的安全分析难题，提出了一种有效识别“外部桥接”（foreign bridge）的方法。V8 作为高性能 JS 引擎，其嵌入器通常通过 C++ 接口暴露内部对象或扩展能力，这些跨语言边界（JS 与 C++）的函数调用往往成为漏洞挖掘和安全审计的关键点，但现有分析工具难以在大量嵌入代码中准确发现这些桥接点。作者设计了一种结合静态分析、动态追踪及代码结构特征的技术，能够在 V8 嵌入器中自动定位和识别被外部调用或暴露给 JS 的 C++ 函数，并区分哪些桥接是真正存在安全风险的。通过实验评估，该方法在多个真实嵌入器（如 V8 默认测试套件和 Chromium 相关组件）上验证了准确性和效率，相比人工审计和已有启发式方法，显著减少了误报和漏报，同时能够发现一些此前未被注意的潜在风险点。这项研究为后续针对 V8 嵌入层的漏洞发现、攻击面建模和安全加固提供了可复用的基础设施。适合浏览器安全研究者、JS 引擎维护者以及从事嵌入式软件安全分析的工程师阅读。

本文研究了基于大语言模型（LLM）的网页智能体从单智能体系统（SAS）向多智能体系统（MAS）演进过程中攻击面的演化。多智能体系统通过将复杂任务分解给多个专用子智能体来提升性能，但这种角色分解引入了单智能体系统中不存在的新型结构攻击面。作者提出了一个针对基于网页的 MAS 的攻击向量分类法，并构建了测试平台 WebMASLab，以在完全外部、仅针对网页的敌手模型下分析智能体安全性。为隔离架构影响，作者保持用户任务、工具面和浏览器底层固定，比较单智能体与多智能体配置。研究评估了三种对抗场景，在基线、提示加固和启用推理三种条件下进行，提出了一种新的 MAS 特有的“电话环路攻击”（Telephone Loop Attack），该攻击利用跨智能体委派形成循环任务。该攻击对单智能体系统无效，但能在四个前沿模型中的三个（Claude Sonnet 4.5、GPT-5.2、GPT-5.4）上以平均 80% 的成功率（基线）突破多智能体系统；只有第四个模型 Claude Sonnet 4.6 以 92% 的检测率抵抗了该攻击。其余模型在基线时检测率为 0%，其中有一个模型在提示加固后检测率仅达 33%。实验还表明，显而易见的防御方法无法通用：提示加固将一个模型的攻击成功率从 100% 降至 8%，但对其他模型仅带来有限降低。研究结果表明，从单智能体到多智能体网页系统的转变改变了安全格局，角色专业化不仅带来性能优化，还引入了需要进一步研究和防御的新型架构风险。

Linux ioctl 系统调用是内核用于设备控制的通用接口，用户态程序通过打开设备节点并向驱动传递命令码和参数缓冲区来发起操作。由于每个驱动各自定义命令码并在内核上下文中解析参数，ioctl 处理程序成为内核中范围最广、最不统一的本地攻击面之一。一个未验证参数长度的处理程序可能导致越界读写内核内存，且命令空间缺乏集中化目录。本文提出 Linux IOCTL 普查数据库，这是一个从内核源代码派生的可查询攻击面清单。通过 allmodconfig 构建，编译了 878 个模块（涵盖 169 个子树），并利用 libclang 对内核源码进行单次确定性扫描，恢复了 586 个 ioctl 分发入口点、1,289 个解码后的 _IOC 命令码、3,583 个受控输入接收点以及 1,298 个权限门控。第二次扫描将内核自身的文档化威胁模型编码为可查询列，将无能力门控的 ioctl 表面（即无权限可达性的上界，非实际可达性）与通过硬能力门控排除的部分分离。作者用近期 22 个内核内 ioctl CVE 对普查结果进行了回测，并以开放数据形式发布结构层，采用与配套的 Windows IOCTL 普查相同的模式，使得单一查询可跨两个操作系统。该数据库为安全研究人员提供了系统化映射内核 ioctl 攻击面的工具，有助于识别潜在漏洞并评估权限门控的有效性。