TwinGridShield: Consequence-Aware Runtime Authorization for LLM Grid-Agent Actions
本文提出 TwinGridShield，一个面向 LLM 辅助能源管理工具的、与模型无关的运行时授权层。研究背景是：大语言模型可将自然语言上下文转换为结构化电网命令，但语法合法并不代表物理上可执行。TwinGridShield 在每条动作被
#LLM
共收录 2152 条相关情报。
← 返回所有主题Balancing Privacy and Compliance in DeFi: A Zero-Knowledge-Based Auditable Cross-Chain Framework
本文针对去中心化金融（DeFi）中跨链交易面临的隐私与监管合规之间的根本性冲突，提出了一种基于零知识证明（ZKP）的可审计跨链框架。研究指出，单链系统中的隐私或透明方案（如公开账本与匿名加密货币）无法同时满足异构跨链环境下的隐私保护和可审计
An Adaptive Gradient Clipping and Noise Injection Mechanism for Differentially Private Federated Learning
本文提出了一种面向差分隐私联邦学习（DPFL）的自适应梯度裁剪与噪声注入机制 DDP-SA-adaptive。在联邦学习中加入差分隐私保护时，静态梯度裁剪在整个训练过程和所有模型层使用固定阈值，若阈值过小会导致过度裁剪而损失模型精度，若阈值
SAEFUZZ: Smart Contract Vulnerability Detection through Statically Guided Evolutionary Fuzzing
本文提出了一种名为SAEFUZZ的智能合约漏洞检测方法，旨在解决现有智能合约模糊测试中因随机生成交易序列而无法深入探索深层状态依赖执行路径的问题。现有模糊测试器往往生成高度随机的调用序列，浪费在语义无效或低价值的状态上，导致需要特定调用顺序
Beyond Direct Access: Resource Hijacking in LLM Agents
本文首次系统性地研究了大语言模型（LLM）智能体（Agent）中的“资源劫持”（resource hijacking）安全盲区。以往智能体安全研究主要关注指令注入、数据泄露和工具滥用等攻击，而智能体可访问的高价值资源（如计算基础设施、凭证、
WeSCE: A Benchmark for Measuring Security Drift in LLM-Driven Code Editing
本文提出 WeSCE，一个用于量化 LLM 驱动代码编辑过程中“安全漂移”的基准测试。在真实开发场景中，开发者常向 LLM 下达仅包含功能目标的编辑指令（如“增加一个排序功能”），并未显式提出安全要求，但代码修改可能引入或加剧安全漏洞。We
Hierarchical Agentic Incident Response with Digital-Twin-Validated Attack Inference
本文针对网络应急响应中人工推断多阶段攻击耗时费力的问题，提出了一种层次化智能体响应框架。该框架融合了大语言模型（LLM）攻击推断、滚动规划（rollout planning）和数字孪生验证。首先，一个微调的LLM从安全告警和系统测量数据中推
SysEvolve: An AI-native, safe, autonomous adversarial attack-defense co-evolutionary system
这篇论文聚焦于大语言模型（LLM）带来的网络安全攻防不对称问题：攻击正在趋于自主执行，而防御仍高度依赖人工分析，导致攻防失衡。作者认为，这种不对称的根本原因在于攻防双方在三个层面的“进化”陷入停滞。为此，他们提出“共同进化”（co-evol
Squeezing Juicy Variant Bugs Out of Modern Browsers.
本论文（arXiv 预印本）围绕现代浏览器中的“变体漏洞”（variant bugs）挖掘问题展开。变体漏洞是指同一根本缺陷在不同代码路径或不同组件中的衍生表现形式，通常由补丁不完整或修复不彻底导致。论文由 Han Zheng、Flavio
LIMA: Defining, Benchmarking and Detecting Cross-Layer Vulnerabilities in LLM Inference Frameworks.
本文提出 LIMA，一个面向 LLM 推理框架的跨层漏洞定义、基准测试与检测系统。研究背景在于，现代 LLM 推理框架通常由多层组件构成（如模型加载、运行时调度、内存管理、GPU 内核执行、API 网关等），而现有安全研究往往只关注单层漏洞
Are Neuro-Inspired Multi-Modal Vision-Language Models Resilient to Membership Inference Privacy Leakage?
本文研究多模态视觉-语言模型（VLMs）在成员推断攻击（Membership Inference Attack, MIA）下的隐私泄露问题。随着智能体AI（agentic AI）的发展，多模态模型（MMs）被广泛部署，但其训练数据可能通过黑
Hybrid Trust Multi-party Computation with Trusted Execution Environment.
该论文提出了一种混合信任的多方计算（MPC）框架，旨在解决可信执行环境（TEE）在实际部署中存在的信任分歧问题。传统观点认为，TEE（如Intel SGX）依赖硬件保护，能够以远高于纯软件方案的速度执行安全多方计算，但现有实现中已发现多种侧
PHYjacking: Physical Input Hijacking for Zero-Permission Authorization Attacks on Android.
本文针对 Android 平台提出了一类名为 PHYjacking 的新型攻击，其核心思想是利用零权限恶意应用误导用户，使物理输入（如指纹、面部、触摸等）被错误地用于授权操作，从而导致非预期的授权结果。作者系统分析了 Android 对各种
Workspace Topology as an Attack Vector in Agentic Coding Assistants
本文针对智能体编程助手（agentic coding assistants）在开发工作区中广泛读取和利用第三方代码时引入的安全风险，提出并系统研究了一种新型攻击面——工作区拓扑（workspace topology）。作者将工作区拓扑定义为
From Positionwise Confidence to Prefix Scheduling: Verifier Skipping in Speculative Decoding
投机解码是一种加速自回归生成的技术，通过一个小型草稿模型生成候选 token 序列，再由大型目标模型并行验证。然而，传统的投机解码仍需要在每个草稿块上调用验证器，这成为性能瓶颈。特别地，投机扩散解码（SDD）通过离散扩散模型并行生成整个草稿
Finding Vulnerabilities via LLM-Augmented Semantics-Aware Type-Checking
传统静态分析漏洞检测通常依赖安全专家将不安全的编码模式编码为规则，但这些规则往往只捕捉语法模式，忽略了代码中的深层语义信息，如变量名和函数名的含义。随着软件系统日益复杂，仅使用语法规则来建模漏洞变得愈发困难。针对这一问题，本文提出一种语义感
Trust Without Boundaries: An Architectural Analysis of Satellite Flight Software
随着航天器日益软件驱动化和互联化，星载飞行软件已成为越来越重要的安全边界。然而，主流的飞行软件架构通常将星载组件视为可信对等体，这种设计简化了集成过程，却限制了内部隔离与访问控制。本文以 NASA 的核心飞行软件（cFS）为分析对象，从权威
STINER: Automated Extraction of Strategic Cyber Threat Intelligence from X
本文提出 STINER，一个面向社交媒体（特别是 X/Twitter）的战略级网络威胁情报（CTI）自动提取框架。战略 CTI 关注高级别洞察，如识别受攻击行业、将攻击归因于特定勒索软件组织、评估数据泄露规模等。X 平台往往在官方报告发布前
A Hybrid LLM-Based Framework for Automated Security Annotation Generation in Business Process Models
本文针对安全业务流程建模中安全注解生成高度依赖人工且易出错的问题，提出一种基于大语言模型（LLM）与规则混合的自动化框架。在业务流程建模中，BPMN 扩展如 SecBPMN2 为流程模型添加安全属性，但现有实践通常需要安全专家从自然语言的安
A Four-Axis Trustworthiness Benchmark for LLM-as-Judge in Principle-Based Regulation
原则性监管（如“公平、清晰、不误导”或“提供良好结果”）属于评判性标准，无法简化为二元谓词。随着大型语言模型（LLM）被越来越多地用作裁判，其实际评估质量变得至关重要。本文提出，任何此类裁判都必须从四个维度进行评测：准确性（accuracy