Beyond the Mandate: A Systematic Security Analysis of the Agent Payments Protocol (AP2)
该论文对Google提出的Agent支付协议(AP2) v0.2进行了系统性的安全分析。AP2允许由大语言模型驱动的购物代理代表用户授权和执行支付，其签名的结账和支付授权用于保护签名后交易数据的完整性。然而，交易在授权前由代理交互和外部输入
#LLM
共收录 2152 条相关情报。
← 返回所有主题TrustShiftProbe: Characterizing, Benchmarking, and Defending Staged Trust Attacks on MCP Servers
本文提出并系统研究了模型上下文协议（MCP）服务器端的一种新型时间性信任攻击——TrustShift。MCP 已成为大语言模型（LLM）智能体连接外部工具后端的标准协议层，但其开放性引入了严重的服务器端威胁。TrustShift 攻击的核心
Effective Pivot Attack Detection via System and Network Information
该论文针对现代网络攻击中的“枢轴（pivoting）”技术提出了一种新型检测系统。枢轴攻击是指攻击者利用已攻陷的主机作为跳板，将流量转发到原本无法直接访问的内部目标，从而突破防火墙、入侵检测系统等传统边界安全设备的限制。由于中继流量在形式上
When "Do Not" Is Not Deny: Security Rules in CLAUDE.md vs Built-In Controls
该论文研究 CLAUDE.md 中自然语言安全规则与 Claude Code 内置控制（deny）之间的语义鸿沟。CLAUDE.md 中的“do not”是模型解释的自然语言指令，而 deny 是代理执行前阻止动作的内置控制。两者可表达相同
Robustness of Anomaly Detection Models for Industrial Control Systems under Training-Time Data Contamination
这篇 arXiv 论文研究了工业控制系统（ICS）中基于机器学习的异常检测模型在训练数据被污染情况下的鲁棒性问题。研究背景是：现有研究大多假设异常检测器的训练数据是可信的，但在实际工业环境中，训练数据可能因日志被篡改、标注错误、历史数据库记
Adapter-Based Few-Shot Continual Learning for Malicious Packet Recognition
本文针对恶意流量识别中模型需要不断适应新型恶意软件变体、但传统重新训练成本高昂且易发生灾难性遗忘的问题，研究了小样本类增量学习（FSCIL）这一特定设置。在该设置下，模型需要在仅拥有少量标注样本的情况下学习新增的恶意软件类别，同时不遗忘已学
InjecMEM: Memory Injection Attack on LLM Agent Memory Systems
大型语言模型（LLM）代理系统正越来越多地集成记忆子系统，以实现持久化的个性化和交互连续性。然而，这一便捷功能可能引入新的安全漏洞。本文提出了一种名为 InjecMEM 的新型记忆注入攻击范式，攻击者仅需一次交互（无需对记忆存储进行读取或编
RAD: Rule-Augmented Relational Anomaly Detection
本文研究关系数据库中的异常检测问题，指出传统方法通常需要将多表数据展平为单一特征矩阵，这一过程会丢失实体身份、表结构以及多跳依赖关系，从而难以发现依赖关系上下文的异常。为此，作者提出一种规则增强的关系异常检测方法 RAD（Rule-Augm
A Threshold Homomorphic Blockchain Architecture for Secure and Scalable IoT Sensor Data Aggregation
本文提出了一种名为 Phi-PHE-BC 的拓扑感知同态区块链架构，用于安全且可扩展的物联网传感器数据聚合。现有基于同态加密的区块链框架通常依赖经典密码学困难假设，且很少在网络活性和性能分析中考虑网络拓扑。该框架将阈值 Paillier 解
Adversarial Entropy Inflation Against Gumbel-Based Inference Verification
本文针对基于 Gumbel 采样的推理验证机制进行了对抗性分析。该验证机制旨在通过只允许那些可能源于 GPU 正常非确定性的 token 选择，来限制大语言模型（LLM）的权重窃取，并在良性提示流量下报告对隐写术攻击者实现超过 200 倍的
FIDES: A Concordance Protocol for LLM-Generated Trading Strategies
该论文提出FIDES，一个用于评估LLM生成交易策略一致性的测量协议。LLM在回答交易策略请求时，通常会同时返回自然语言理由、可执行代码以及回测业绩三个产物，但少有研究验证三者是否一致。FIDES将这三个产物视为三个需要相互印证的视图，而非
PhiShark2026: A Multi-Layer Active-Web Raw-Evidence Dataset for Phishing Website Research
本文针对网络钓鱼数据集研究中的一个核心局限：现有数据集往往只保留 URL 或预计算特征，导致研究者被限制在预设的表示形式中，无法根据钓鱼技术的演变重新提取特征、应用新的分析方法或检查跨层关系。为此，作者构建了 PhiShark2026，一个
Towards Automated Cyber Threat Intelligence Elicitation in Underground Forums
本文针对地下论坛中网络威胁情报（CTI）获取面临的挑战，提出了首个基于多智能体大语言模型（LLM）的主动式情报引出系统 DarkBot。传统上，CTI 收集依赖被动监控，但随着用户对大规模数据收集的警惕性提高，公开论坛中的高价值情报日益减少
CyberFactory: Scaling Cyber Security Capabilities with Instances from the Wild
本文提出 CyberFactory，一个面向网络安全的统一开源框架，旨在弥合开源与闭源大语言模型在网络安全能力上的差距。现有闭源模型（如 Mythos）展现出先进的网络安全能力，但开源方案存在三大局限：前沿开源权重模型未提供可复现的网络安全
When Can Agents Safely Checkpoint, Fork, Restore, and Merge? Exact Checking for Execution Edits
本文研究智能体（Agent）运行时环境中一种被称为“执行编辑”（execution edits）的操作安全性问题。执行编辑包括 Checkpoint（记录当前执行状态）、Fork（分支）、Restore（恢复某个检查点）和 Merge（合并
Safety Hacking in Constrained Best-of-$N$ Inference-time Scaling
本文研究推理时扩展（Inference-time Scaling）中安全模型与奖励模型组合产生的安全漏洞。典型推理时流水线会采样多个候选输出，通过一个学习的安全代理过滤掉不安全的输出，然后从剩余“代理可行”集合中选择学习奖励最高的输出。作者
Verification-Guided Specification Synthesis with Large Language Models for Intrusion Detection Rules
本文针对物联网设备面临的持续网络攻击，提出了一种基于大语言模型（LLM）的验证引导式规范合成框架，用于从HTTP请求流量中自动生成Suricata入侵检测系统（IDS）规则。当前，将观测到的攻击流量转化为可部署的IDS规则主要依赖人工，效率
AgentFlow: A Flow-Centric Policy Language and Framework for Securing LLM Agent Systems
该论文提出 AgentFlow，一种面向 LLM 智能体系统的流中心策略语言与运行时强制模型。研究背景是：LLM 智能体会读取不可信内容、调用外部工具、访问私有数据并委派任务给其他智能体，危害往往不是源于单个不安全动作，而是敏感数据在一系列
A Study of Bluetooth Access Control Based on NFT Soft Pairing
本文提出了一种基于非同质化代币（NFT）软配对框架的蓝牙服务访问控制方案。传统蓝牙配对机制在配对成功后通常隐式地授予持续的服务访问权限，导致授权粒度粗、难以及时撤销。该研究将原生蓝牙配对与授权逻辑解耦，无需修改底层蓝牙协议栈。框架采用三层架
EGAMA-RC: Risk-Calibrated Evidence-Gated Adaptive Malware Analysis for Robust and Interpretable Memory-Forensic Triage
本文提出了一种名为 EGAMA-RC 的风险校准证据门控自适应恶意软件分析框架，用于内存取证场景下的恶意软件分类与分流。传统机器学习恶意软件检测器在干净数据上准确率较高，但实际运营中的分流任务还需考虑不确定性、新颖性、鲁棒性、可解释性、延迟