SWIFT: Super-fast and Robust Privacy-Preserving Machine Learning.
本文提出 SWIFT，一个面向安全外包计算（SOC）范式的鲁棒隐私保护机器学习（PPML）框架。在 SOC 中，计算被外包给一组功能强大的服务器，按使用付费提供服务。现有 PPML 框架通常仅提供公平性（fairness），即恶意方可以阻止
#LLM
共收录 2152 条相关情报。
← 返回所有主题RadKey: An LLM-Guided RF Backscatter System for Through-Wall Keystroke Inference.
该论文提出了一种名为 RadKey 的射频反向散射系统，用于实现隐蔽、远距离、穿墙的键盘按键推断攻击。研究背景指出，键盘作为敏感信息输入的主要设备，一直是侧信道窃听攻击的目标；以往基于声学、振动等侧信道的方法通常需要近距离放置传感器，且依赖
PreferCare: Preference Dataset Copyright Protection in LLM Alignment by Watermark Injection and Verification.
本文提出 PreferCare，这是首个专门针对 LLM 对齐训练中偏好数据集版权保护的水印注入与验证框架。随着 LLM 应用安全性需求日益迫切，对齐训练算法（如 RLHF/DPO 等）依赖大量高质量偏好数据来微调模型，使其行为符合人类价值
Automated Expansion of Privacy Data Taxonomy for Compliant Data Breach Notification.
该论文聚焦于隐私合规研究中一个关键难题：如何将实际数据使用场景中的具体数据项与法律法规、政策或企业内部规则所定义的隐私数据进行系统化比较。由于不同应用程序使用的数据项高度多样，且不同司法辖区对隐私数据的界定存在差异，这一比对工作非常复杂。为
A Large-Scale Measurement Study of the PROXY Protocol and its Security Implications.
该论文首次在互联网规模上对HAProxy提出的PROXY协议进行了大规模测量研究，重点考察其配置错误带来的安全影响。PROXY协议是在网络层（L4）传递客户端信息（如IP地址）的协议，旨在解决反向代理后端服务器无法获知真实客户端IP的问题，
Propagation Model for SSC attacks: Why SBOM (tools) don't tell the whole truth
该论文聚焦软件供应链（SSC）安全中的透明度问题，指出现代软件实践依赖的 SBOM（软件物料清单）及其工具虽然被引入作为确保供应链透明度的基础组件，但存在严重局限性：其漏洞检测与解释能力不足以说明可沿整条供应链传播的漏洞可利用性效应。为了弥
When LLM Decompilers Recompile More and Preserve Less
该论文针对LLM反编译器评估标准提出质疑。当前LLM反编译器能将机器码还原为代码风格更干净的C代码，评估几乎只看输出是否可以重编译并顺利通过配套的输入/输出测试。作者Leu等发现这种度量会奖励错误轨迹：函数可以重新编译并通过所有提供的测试，
Trust-Aware Adaptive Disclosure for Inference Privacy Preservation in Multi-Agent Networks
本文研究多智能体网络中的隐私保护共识问题。在医疗管理、智能电网等信息关键型系统中，基于智能体的系统日益普及，每个智能体可能拥有一个需要对外部观察者隐藏的潜在目标。现有共识算法通常需要智能体间交换状态信息，这可能导致恶意观察者通过推理攻击推断
The History Is the Detector: Executing CVE Patch History, End-to-End
本文提出 BUGSTONE-E2E，一种将漏洞历史（尤其是 CVE 修复提交）转化为可执行检测规则并自动化验证的端到端框架。当前公共漏洞数据库虽然记录了已知软件缺陷的类型、影响组件和补丁信息，但这些信息主要用于人工查阅，缺乏自动化复用机制，
CONTINUITY: Security-Context Contracts for Composable LLM Agent Controls
在LLM智能体系统中，通常集成了来源追踪、授权、策略执行、协议适配和执行控制等安全机制。然而，单独看起来正确的安全机制并不一定能在组合后形成端到端安全的系统：当动作跨越组件边界时，关键的安全上下文可能被丢弃、扩大、重新绑定，或被重新解释。本
Governing Bring Your Own AI: A Parameterized Maturity Model
本文针对企业中员工使用个人生成式 AI 工具（如 ChatGPT、Gemini、Claude）进行日常工作所带来的治理挑战，提出了一种参数化的成熟度模型。作者将这种现象定义为 BYOAI（Bring Your Own AI），它是 Shad
TIER: Threat Implicitness Benchmark for Evaluating LLM Safety Behaviors
TIER（Threat Implicitness Benchmark）是一个针对大语言模型（LLM）行为安全评估的新型基准。当前主流的安全基准大多依赖二元指标（如拒绝或遵从），忽略了模型在面对不同威胁隐含程度的恶意提示时的行为差异。TIER
Robust Coverless Linguistic Steganography via Sentence Embedding Space with Global Resynchronization
本文提出一种面向鲁棒无载体语言隐写术的新型框架，旨在解决现有方法在词级和句级文本扰动下可靠性不足以及变长编码方案易受比特滑动（bit-slippage）影响的问题。传统语言隐写术多依赖token级操作，对文本扰动敏感，且变长编码在微小扰动下
ReCAST: Restoration-aware Cascaded Stage-wise Training for Obfuscated SMS Risk Classification
该论文提出 ReCAST（Restoration-aware Cascaded Stage-wise Training）框架，用于解决中文短信中混淆文本的风险分类问题。研究背景是：欺诈短信通过精心设计的混淆策略（如谐音、形近字、插入符号等）
Forgetting Without Restarting: Execution-State Unlearning for Stateful LLM Agents
本文针对长时运行的有状态 LLM 智能体（agent）提出“执行状态遗忘”（execution-state unlearning）问题。这类智能体不仅保存对话记录，还累积了压缩摘要、明文记忆、待执行的工具计划，以及每次服务 API 下的 K
Cost-Aware Hierarchical Multi-Agent Ransomware Detection and Family Attribution
针对勒索软件频繁使用加壳、混淆、进程操控和运行时逃逸等多种手段的问题，常规多模态检测方法通常对所有样本无差别地使用全部模态，导致不必要的计算开销和延迟。本文提出一种成本感知的分层多智能体系统（HMAS），用于自适应的勒索软件检测与家族归因。
Memory-Efficient Designs for Word-Wise Universal Fully Homomorphic Encryption
全同态加密（FHE）允许在加密数据上直接进行计算，从而在数据分析全过程中保护隐私。然而，FHE 的执行速度远慢于明文计算，且近年来计算加速取得进展后，性能瓶颈逐渐转向内存层级——FHE 会将数据规模放大数个数量级，导致算术强度极低。针对这一
BKPIR: Keyword PIR for Private Boolean Retrieval.
本文提出了一种名为 BKPIR 的新型关键词隐私信息检索（Keyword PIR）方案，旨在解决现有 Keyword PIR 方案难以支持布尔检索模型的问题。在实际应用场景中，用户往往需要通过逻辑组合（如 AND、OR、NOT）来精确表达查
SAGA: A Security Architecture for Governing AI Agentic Systems.
随着基于大语言模型（LLM）的AI智能体（agent）越来越多地以自主方式相互交互、协作和委派任务，传统安全边界被打破，攻击面显著扩大。行业指南（如OpenAI白皮书）强调用户必须对智能体全生命周期保持控制与监督，以避免恶意智能体造成损害。
ProtocolGuard: Detecting Protocol Non-compliance Bugs via LLM-guided Static Analysis and Dynamic Verification.
本文提出了一种名为 ProtocolGuard 的新型漏洞检测框架，用于检测网络协议实现中的协议不合规（non-compliance）缺陷。这类缺陷通常源于开发者在实现协议规范时对状态转换、字段约束或时序逻辑的错误理解，可能导致安全问题或功