The Droid is in the Details: Environment-aware Evasion of Android Sandboxes.
该论文研究移动恶意软件如何通过感知运行环境细节来逃避Android沙箱检测。长期以来，沙箱一直是检测和分析恶意软件的有效工具，随着移动设备及应用的普及，移动沙箱被广泛用于保障应用市场的完整性。然而，恶意软件也发展出了环境感知能力，当检测到自
#LLM
共收录 2152 条相关情报。
← 返回所有主题The Colossus with Feet of Clay: Debunking Encrypted Traffic Classifiers under PQC Evolution
本文研究后量子密码（PQC）迁移对加密流量分类器可靠性的影响。现有加密流量分类器通常在训练与测试数据同分布的前提下达到高准确率，但TLS向混合后量子密钥协商（如TLS 1.3中的X25519MLKEM768）迁移后，流量特征发生系统性漂移，
Mitigating Explanation Leakage in Financial Fraud Detection Systems
金融欺诈检测系统通常依赖集中式机器学习模型，这带来严重的数据隐私风险。联邦学习（FL）通过将数据处理分散到各参与方来缓解这一问题，但金融监管仍要求模型具备可解释性，因此常使用TreeSHAP等可解释人工智能（XAI）工具。然而，近期网络安全
Neighbor-embedded Graph Neural Network-based Crowd Delivery Traffic Management in Smart City
本文针对智慧城市中车辆交通激增带来的拥堵问题，提出了一种基于邻域嵌入图神经网络（GNN）的众包配送交通管理模型（NeCDM）。研究背景是现有交通管理方法主要依赖拥堵预测，但未能有效解决交通流量减少和配送车辆智能选择等核心目标。NeCDM 模
Mitigating Error Propagation in Chain-of-Thought: A Tree-of-Thought Framework for Smart Contract Repair
本文针对智能合约修复中基于 AI 的现有方法依赖线性思维（如 Chain-of-Thought）导致错误累积、补丁不可靠的问题，提出了一种基于 Tree-of-Thought 框架的智能合约修复方法。智能合约一旦部署便无法修改，即使是小漏洞
CodeMechanic: Bug-Property-Guided Program Mitigation
本文提出 CodeMechanic，一个基于缺陷属性引导的程序缓解系统，旨在解决自动化测试发现内存损坏漏洞后，开发者来不及修复、导致已知漏洞长时间可利用的问题。现有基于大语言模型（LLM）的端到端修复代理虽然能缩短这一时间窗口，但会生成开放
Beyond Over-Refusal: Defending Indirect Prompt Injection via Latent Instruction Manifolds
本文研究了大语言模型（LLM）在复杂生态系统（如代码代理）中面临的间接提示注入（Indirect Prompt Injection, IPI）攻击的防御问题。IPI攻击利用模型无法区分“指令”与“数据”的固有弱点，通过恶意注入的指令操纵模型
PURA: Provably Unbiased and Robust Multi-Bit Watermarking for AI-Generated Text Attribution
该论文提出了一种名为 PURA 的新型多比特水印方法，用于对 AI 生成文本进行细粒度归因。现有方法在保持原始生成分布、支持大容量负载以及编辑后恢复能力之间难以兼顾。PURA 的核心创新在于不在 token 概率层面直接扰动，而是在潜在采样
AdaptPrint: Response-Adaptive Fingerprinting of Black-Box LLM Services
本文提出了一种针对黑盒大语言模型（LLM）服务的响应自适应指纹识别方法 AdaptPrint。黑盒 LLM 服务已成为实际部署的常见范式，但其不透明性阻碍了安全风险的系统评估，也给模型所有者的版权审计带来困难。黑盒 LLM 指纹识别通过查询
Lessons from the Hardware Hacking Competitions: Verification Techniques, Findings, and Insights
本文系统研究了硬件黑客竞赛在复杂片上系统（SoC）安全验证中的应用。随着SoC设计复杂度不断提升，传统验证方法难以覆盖所有安全漏洞，硬件黑客竞赛成为一种实用化的安全评估平台，能够促进安全意识验证和工具开发。作者提出了一种多策略漏洞分析方法，
Biosignal Authentication Considered Harmful Today.
该论文题为《Biosignal Authentication Considered Harmful Today》，旨在揭示当前基于生物信号（如心电图、脑电图、肌电等）的身份认证系统在现实部署中存在的严重安全隐患。作者团队由Veena Kri
Evasion Attacks and Defenses on Smart Home Physical Event Verification.
该论文研究智能家居环境中物理事件验证系统（EVS）面临的规避攻击与防御问题。在智能家居中，当执行器（如门锁）状态改变时，会向IoT中心发送事件通知（例如“门已解锁”）。已有研究表明，事件通知容易遭受伪造（spoofing）和屏蔽（maski
Face Recognition Systems: Are you sure they only consider your face?
本文研究人脸识别系统中背景信息对识别准确性和用户隐私的影响。尽管人脸识别算法设计上应仅依赖面部特征，但背景可能携带大量额外信息，威胁用户隐私。作者使用 DeepFace 人脸识别系统，对每张面部图像进行灰度化和背景白化两种预处理，计算原始图
Provably Unlinkable Smart Card-based Payments.
该论文研究基于智能卡的支付协议（特别是 EMV）的隐私缺陷及其改进方案。当前 EMV 支付方式在交易过程中以明文传输交易详情和卡号，导致持卡人可被追踪和画像，缺乏隐私保护。随着 GDPR 等隐私法规出台和公众隐私意识增强，如何在不牺牲 EM
On Predicting Vulnerability Severity Using In-Context Learning: An Industrial Case Study
本文是一篇来自工业界的案例研究，旨在解决软件漏洞严重性评估的可扩展性与隐私问题。当前安全分析师手动分配CVSS评分的方式难以应对漏洞数量增长，且传统方法常依赖云端LLM服务，存在代码片段泄露的机密性风险。为此，作者提出利用本地可部署的开源L
Autonomous Cyber Defense: Real-Time Attack Detection and Mitigation in Software-Defined Networks Using Machine Learning
该论文针对传统人工响应已无法跟上攻击者速度的问题，提出了一种基于机器学习的自主网络防御系统，可在软件定义网络（SDN）中实时检测攻击并自动应用缓解措施。研究背景指出，2025年平均网络犯罪突破时间（从初始访问到首次横向移动的间隔）已缩短至2
AI Grinding for Fun and Cryptanalysis
该论文提出了一种自主密码分析工作流，利用智能代理自动生成、测试并优化假设，最终由人类研究人员进行审查。自主阶段返回可复现的候选结果，包括精确的验证证据（witnesses）、对照实验（controls）、代码和运行记录。研究人员据此判断证据
TessIndex: Capability Verified Identity System for the Agent Economy
本文针对智能体经济（Agent Economy）快速演进背景下，现有软件系统的身份与信任基础设施缺失问题展开研究。传统系统以人类用户为核心决策者，而新一代具备自主能力的AI智能体能够将高层目标自动拆解为结构化任务，并编排工具、服务与子智能体
SkillBloat: Token Amplification Attacks via Skill Injection in LLM Coding Agents
该论文研究了LLM编码代理（coding agents）中技能（skill）机制带来的新型资源滥用威胁——令牌放大攻击。技能是为编码代理扩展任务特定指令、脚本和资源的机制，但同时也创建了一个可信指令通道，可能被恶意利用。作者提出SkillB
Breaking the Assumptions: Auditing Input-Side Jailbreak Defenses Against Semantic Attacks
本文对本地部署大语言模型（LLM）的输入侧越狱防御机制进行了系统性审计。研究背景是：通过Ollama等推理引擎本地部署的LLM，缺乏API服务模型所具备的内容审核与滥用检测机制，因此模型安全性完全依赖于防御手段，而防御手段的有效性取决于其设