检索增强生成（RAG）系统通过从知识数据库中检索相关文档，并利用大型语言模型（LLM）处理这些文档来回答查询。本文发现，当RAG系统操作包含不可信内容的数据库时，容易受到一种称为“jamming”的拒绝服务攻击。攻击者可以向数据库中添加单个“blocker”文档，该文档会在特定查询时被检索，导致RAG系统无法回答该查询，表面上是因为缺乏相关信息或回答不安全。作者描述并测量了多种生成blocker文档的方法，包括一种基于黑盒优化的新方法。该方法（1）不依赖于指令注入，（2）不需要攻击者了解目标RAG系统使用的嵌入或LLM，以及（3）不使用辅助LLM。作者在多种嵌入和LLM上评估了jamming攻击，并证明现有的LLM安全指标无法捕捉其对jamming的脆弱性。最后，讨论了针对blocker文档的防御措施。本文的核心贡献在于揭示并量化了RAG系统在面对恶意文档时的拒绝服务风险，提出了一种通用的攻击生成方法，并对现有安全评估的不足进行了批判。

该论文提出了一种针对5G NR网络的跨层拒绝服务质量攻击（Denial of Service Quality, DoSQ）。攻击者通过解码5G基站在空口广播的下行控制信息（DCI），利用侧信道分析推断目标用户设备（UE）的应用层吞吐量（Goodput）。进而，攻击者在同一时隙（1ms）内针对受害UE的物理资源块（PRB）注入干扰，从而降低其应用层服务质量。实验基于私有5G NR测试平台，针对YouTube直播流实施攻击，结果显示能够将目标Goodput降低高达50%，而同一小区的非目标UE几乎不受影响。攻击者无需解密任何用户数据，仅凭DCI特征即可通过跨层分类器估计受害者的Goodput状态和趋势，在顶尖1%的置信度下达到0.87的精确度，相较于基准提升4.21倍。论文还提出了一种基于SSB跳频的反制措施，增加了攻击者重新同步的成本。该研究首次实证测量了无线层到应用层的侧信道，证明了协议感知的敌手可以利用该信道。

算法复杂度漏洞（ACV）是指攻击者通过精心构造的输入触发目标系统的最坏情况执行行为，导致严重性能退化或拒绝服务。现有ACV检测工具通常依赖模糊测试、符号执行或混合分析，但存在语言特异性、需要大量人工构建测试框架以及运行时插桩开销大等问题。本文提出ShadowProbe，一个可扩展且语言无关的ACV发现框架。其核心思路是：许多看似无害的标准库API隐藏了非平凡的计算成本（称为“影子复杂度”），攻击者可利用这些成本诱发意外的超线性运行行为。ShadowProbe采用多阶段流水线：首先通过轻量静态分析筛选候选函数，依据影子复杂度信号；然后从项目级符号自动重建最小可执行上下文；再借助大语言模型（LLM）合成尺寸可控的输入以探测最坏情况行为；最后通过执行时间测量和鲁棒统计增长推断来验证候选，区分真正的算法爆炸与运行时噪声（如垃圾回收、JIT编译效应）。在WISE基准测试上，ShadowProbe持续提升了分析效率。进一步将其应用于大规模系统，包括CPython、JDK、Zig、Rustc和vLLM，发现了许多先前未知的ACV，其中大部分已被维护者确认并部分修复。这些结果表明ShadowProbe能够在多样化的真实世界代码库中识别隐藏的算法风险。本文适合安全工程师、性能工程师以及关注软件供应链安全的开发人员阅读。

PDF是当前文档交换的事实标准，用户经常需要打开来自不可信来源（如电子邮件附件或互联网下载）的PDF文件。然而，PDF标准的丰富特性也为攻击者提供了可乘之机。本论文作者并非关注常见的安全实现漏洞，而是系统性地分析了PDF文件结构本身固有的“危险路径”——即合法的PDF标准特性在组合使用时可能导致的安全问题。通过深入解析PDF规范，作者识别出多条危险路径，并将由此引发的攻击归纳为四大类别。摘要仅完整描述了第一类：拒绝服务（Denial-of-Service）攻击，即攻击者通过构造特制的PDF文件，导致处理该文档的主机资源耗尽或崩溃，从而影响正常服务。其他三类攻击（如信息泄露、代码执行等）在摘要中未给出，但基于论文标题和PDF安全领域的已知研究，可能涉及隐私泄露和沙箱逃逸等。本研究的主要贡献在于：不从漏洞角度出发，而是从PDF标准设计层面揭示其内在风险，为后续更安全的文档处理提供了理论依据和分类框架。该工作适合PDF解析器开发者、安全研究员以及依赖PDF处理的系统管理员阅读，以理解除普通漏洞外，标准本身也可能成为攻击面。

正则表达式拒绝服务（ReDoS）攻击是一种通过利用正则表达式引擎的病理最坏情况执行行为导致计算负载高度不对称、最终耗尽系统资源的漏洞类型。为了保护系统免受ReDoS攻击，已有多种检测技术被提出，这些技术通常通过生成攻击字符串来在开发早期主动利用ReDoS漏洞以促进修复。现有方法主要分为两类：一类是静态分析，查找有问题的正则表达式结构；另一类是动态探索方法，合成候选攻击字符串。然而，这些生成的攻击字符串在实际应用中往往不切实际，因为它们通常假设了不现实的输入长度预算，且未在程序级别验证攻击的有效性和效率。因此，许多字符串在应用于实际程序时无法触发易受攻击的正则表达式，限制了其实用性。为了解决这些不足，本文提出了PUFFERDOS，一种高效且有效的攻击字符串生成器，旨在合成既能在现实长度预算内可行又能通过程序级别验证的攻击输入，从而实现在真实程序中对ReDoS漏洞的有效利用。具体而言，首先基于观察和形式化验证定义了三种易受攻击的模式。根据这些模式，PUFFERDOS采用综合技术生成攻击字符串，然后通过ReDoS特定的组合符号执行（concolic execution）对字符串进行优化和验证，确保其在实际环境中可利用。该研究的核心贡献在于弥补了现有攻击字符串生成方法在实用性和有效性上的不足，为安全测试和漏洞修复提供了更可靠的工具。适合安全研究人员、开发者和安全工程师阅读。

本论文系统性地研究了DNS响应预处理过程中的逻辑漏洞，提出了一类名为TuDoor的新型攻击。作者通过深入分析DNS RFC标准和多种DNS软件实现，发现了三种此前未知的逻辑漏洞类型，并基于这些漏洞设计了三种攻击方式：DNS缓存投毒、拒绝服务（DoS）和资源消耗攻击。实验表明，攻击者可以在1秒内使用少量精心构造的畸形DNS响应数据包对易受攻击的解析器实施缓存投毒或DoS攻击，或绕过查询限制耗尽解析器资源（如CPU）。研究评估了影响的广泛性，包括24款主流DNS软件（如BIND、PowerDNS、Microsoft DNS）、7款路由器/路由器操作系统、18个公共DNS服务以及约180万开放DNS解析器中的424,652个（23.1%）。按照负责任披露流程，已向所有受影响厂商报告漏洞，其中BIND、Chrome、Cloudflare和Microsoft等18家厂商已确认并讨论缓解措施。此外，已分配33个CVE编号，并提供了在线检测工具作为缓解措施之一。研究强调了标准化DNS响应预处理逻辑的迫切性。

本文提出了一种名为Warmonger的新型拒绝服务攻击向量，针对无服务器计算平台。攻击者利用无服务器计算平台中所有用户函数共享同一组出口IP地址访问外部内容服务器的特性，通过恶意行为（如发起大量请求、违反协议等）导致这些出口IP被目标内容服务器封禁，从而造成整个平台范围内的拒绝服务。作者对四个主要无服务器服务提供商（SSPs）进行了长达数月的实验，收集并分析了其出口IP使用模式。研究发现，部分SSP使用的出口IP数量极少（最少仅4个），且完全共享给所有用户。攻击者只需少量资源即可触发IP封禁，使平台内所有用户无法访问该外部服务器。本文揭示了无服务器计算平台中存在的新安全威胁，并提出了可能的缓解措施，例如使用独立的出口IP池、实施更严格的滥用检测机制等。该研究适合云安全研究人员、无服务器平台提供商以及安全运维人员阅读。

该论文首次对以太坊交易池（txpool/mempool）的设计安全性进行系统研究。Txpool是存储未确认交易的缓冲区，控制着下游服务（如挖矿、交易传播）所能看到的内容。研究发现txpool存在拒绝服务（DoS）攻击面，攻击者可能通过特定策略耗尽节点资源或操纵交易池状态，从而影响交易正常处理。论文分析了Ethereum客户端中txpool的实现逻辑，识别了多种潜在的漏洞模式，并通过实验验证了攻击的可行性。研究的主要贡献在于填补了以太坊txpool安全分析的空白，为后续防御机制设计提供了基础。

大语言模型（LLM）已广泛应用于自然语言理解与生成、具身智能及科学发现等领域。随着计算需求增长，这些模型越来越多地以云服务形式部署，用户通过互联网访问。然而，这种部署模式引入了一种新的威胁：通过无限推理进行的拒绝服务（DoS）攻击。攻击者精心设计输入，诱使模型进入超长甚至无限生成循环，从而耗尽后端计算资源，降低或拒绝合法用户的服务。为缓解风险，许多LLM提供商采用闭源黑盒设置以隐藏模型内部结构。本文提出ThinkTrap，一种新颖的输入空间优化框架，即使在黑盒环境下也能对LLM服务实施DoS攻击。其核心思想是首先将离散词元映射到连续嵌入空间，然后利用输入稀疏性在低维子空间中进行高效的黑盒优化，以识别能够引发多个先进LLM产生超长或非终止生成的对抗性提示，以最小词元开销实现DoS。作者在多个商业闭源LLM服务上评估了该攻击，结果表明，即使远低于这些平台通常限制的请求频率（如每分钟10次），攻击也能将服务吞吐量降至原始容量的1%，甚至在某些情况下导致完全服务失败。

正则表达式（regex）在现代编程语言中广泛使用，但同时也是拒绝服务（DoS）攻击的潜在向量。近期实证研究表明，在典型正则引擎中，多达10%的正则表达式具有超线性最坏情况时间复杂度。因此，许多Web服务被报告易受正则表达式拒绝服务（ReDoS）攻击。若能透明地降低正则引擎的时间复杂度，则可消除ReDoS漏洞，且对应用开发者无额外成本。然而，现有的ReDoS防御方法——替换正则引擎、优化引擎或逐个替换正则表达式——在正确性和兼容性方面存在问题。完全的记忆化（memoization）虽然正确且兼容，但其空间开销过高。目前尚无有效的ReDoS防御被实际采用。本文提出了一种选择性记忆化方案，能够以较低的空间开销可证明地消除超线性正则行为。作者设计了多种具有不同空间/时间权衡的选择性记忆化方案，并进一步提出了一种利用正则引擎语义洞察的编码方案，以降低记忆化的空间成本。此外，还考虑了安全处理扩展正则特性的方法。作者在真实世界正则表达式语料库上实现了所提方案并进行了评估。实验表明，对于中位数正则表达式，选择性记忆化将记忆化的空间成本降低了一个数量级；而运行长度编码进一步将90%正则表达式的空间成本降低为常数。这项研究为防御ReDoS提供了一种高效且兼容的方法，有望在不改变开发者行为的情况下消除此类漏洞。