Kernel-Based ReLU Approximation for Homomorphic Encryption-Compatible Privacy-preserving Deep Learning Models
本文针对同态加密（HE）无法直接支持非线性激活函数（如ReLU）的问题，提出了一种基于核函数的ReLU近似方法，以支持隐私保护的深度学习模型，特别是大语言模型（LLM）。由于HE仅支持加法和乘法，非线性函数在加密域中无法直接计算，而ReLU
#LLM
共收录 2152 条相关情报。
← 返回所有主题CachePrune: Privacy-Aware and Fine-Grained KV Cache Sharing for Efficient LLM Inference
大型语言模型（LLM）依赖键值（KV）缓存加速推理，许多服务系统进一步在用户请求间共享KV缓存以减少冗余计算。然而，无限制的跨用户共享引入了侧信道漏洞，攻击者可以通过探测缓存是否命中来推断用户输入。现有防御完全禁用共享以避免泄漏，但这种粗粒
When the Manual Lies: A Realistic Benchmark to Evaluate MCP Poisoning Attacks for LLM Agents
本文系统性地研究了针对大型语言模型（LLM）代理的工具描述投毒（Tool Description Poisoning, TDP）攻击。这类攻击并不修改工具的可执行代码，而是将恶意指令隐蔽地注入到工具的元数据描述中——即代理用于安全规划和决策
Security, Privacy, and Ethical Risks in OpenClaw
本文系统性地研究了OpenClaw这一本地可执行AI代理系统的安全、隐私与伦理风险及可追溯性挑战。OpenClaw支持自然语言交互和真实世界任务完成，在个人助理、办公自动化、跨平台任务管理和信息集成方面展现出强大潜力。然而，这种高度权限的代
Are Frontier LLMs Ready for Cybersecurity? Evidence for Vertical Foundation Models from Dual-Mode Vulnerability Benchmarks
本文评估了前沿大语言模型（LLM）在网络安全任务中的实际能力，通过构建双模式基准测试：白盒函数级漏洞检测（VulnLLM-R，涵盖C/Java/Python）和黑盒Web应用安全测试（五个生产风格的应用，包含118个真实漏洞，覆盖20多个C
TriSweep: A Four-Drone Swarm Framework for Electromagnetic Side-Channel Analysis
该论文提出了 TriSweep，一个基于四无人机蜂群架构的仿真框架，用于对嵌入式微控制器进行远程电磁侧信道分析（EM-SCA）。传统 EM-SCA 威胁模型假设探头静止且贴近目标，低估了空中移动平台的攻击能力。TriSweep 包含三架专用
Benchmarking Autonomous Agents against Temporal, Spatial, and Semantic Evasions
本文针对基于大型语言模型（LLM）的自主智能体系统（如OpenClaw）中存在的安全漏洞进行了深入研究。现有漏洞分析大多集中在单轮、无状态的行为上，忽略了有状态多轮交互和动态工具调用带来的扩展攻击面。为此，作者提出了一种多维度逃避框架，包含
Automated Repair of TEE Partitioning Issues via DSL-Guided and LLM-Assisted Patching
可信执行环境（TEE）通过硬件隔离保护敏感数据和计算免受受损操作系统的攻击。然而，TEE应用不可避免地需要通过SDK接口与不可信的操作系统交互，不当的代码分区可能导致严重漏洞，如数据泄露和代码注入。先前工作提出了静态分析工具检测此类问题，但
Finding Missing Input Validation in TEEs via LLM-Assisted Symbolic Execution
本文针对可信执行环境（TEE）应用中输入验证缺失导致的安全漏洞检测问题展开研究。由于TEE构建和运行环境的配置成本高、复杂性大，且硬件隔离限制了可观测性，现有安全分析方法难以有效应用于TEE应用。为此，作者提出SymTEE，一种新型的大语言
RADAR: Defending RAG Dynamically against Retrieval Corruption
该论文针对检索增强生成（RAG）系统在动态网络搜索场景中易受对抗性攻击的问题，提出了一种名为RADAR的动态防御框架。现有静态防御方法难以应对不断演变的攻击模式，且在动态环境中存储成本过高。RADAR将可靠的上下文选择建模为基于图的能量最小
Parser-Free Querying of Security Logs
安全分析师日常需要查询系统日志来检测威胁和调查事件，但不同日志源使用各自不同的半结构化格式，导致日志虽易产生却难使用。传统方法是为每种格式构建解析器将日志标准化为结构化模式（如SQL表），虽强大但需要持续工程投入。而直接使用grep等工具查
GPThreats-3: Is Automatic Malware Generation a Threat?
该论文探讨了大型文本模型（以GPT-3为代表）是否已被攻击者用于自动化恶意软件生成这一新兴威胁。研究背景是大型语言模型在代码生成方面的能力可能被滥用于恶意目的，但实际风险尚不明确。核心问题是：当前这类模型能否用于生成恶意软件？如果可以，攻击
Blind Spots in the Guard: How Domain-Camouflaged Injection Attacks Evade Detection in Multi-Agent LLM Systems
该论文研究了多智能体LLM系统中的注入攻击检测盲点。现有注入检测器主要针对静态、模板化的载荷进行校准，这些载荷通常以显式的覆盖指令形式出现。作者识别出一种系统性盲点：当注入载荷生成时模仿目标文档的领域词汇和权威结构（称为领域伪装注入），标准
Optimal Guarantees for Auditing Rényi Differentially Private Machine Learning
本文研究针对声称满足 Rényi 差分隐私 (RDP) 的机器学习算法的黑盒审计问题。作者提出一个基于假设检验的审计框架，利用 Donsker-Varadhan (DV) 变分估计器直接估计相邻执行之间的 Rényi 散度。该框架通过类别受
A Large Language Model Approach to Generating Bypass Rules for Malware Evasion in Analysis Sandbox
该论文提出了一种利用大语言模型（LLM）自动生成YARA规则的方法，以绕过沙箱环境中的恶意软件逃逸检测。现代恶意软件常使用环境检查（如检测虚拟机、调试器）来规避自动分析，而现有技术依赖人工逆向工程每种逃逸机制来编写绕过规则，难以跟上快速演变
Provable Robustness against Backdoor Attacks via the Primal-Dual Perspective on Differential Privacy
本文提出了一种基于差分隐私的原偶视角（primal-dual perspective）来证明机器学习模型对后门攻击的鲁棒性。后门攻击同时污染训练数据和测试数据，使得现有仅针对训练时或推理时单一阶段的随机平滑认证方法失效。作者将随机平滑与差分
FuzzingBrain V2: A Multi-Agent LLM System for Automated Vulnerability Discovery and Reproduction
软件漏洞是严重的安全威胁，仅2025年报告的CVE数量就接近5万个。大型语言模型在自动化漏洞检测方面展现出潜力，但仍面临三大挑战：一是生成的漏洞报告误报率高且缺乏可重复验证；二是现有的LLM方法在漏洞定位时粒度选择次优，函数级分析在上下文过
HIDBench: Benchmarking Large Language Models for Host-Based Intrusion Detection
该论文提出了HIDBench，一个专门评估大型语言模型（LLM）在基于主机的入侵检测（HIDS）任务中能力的基准。现有网络安全基准多聚焦渗透测试或漏洞识别，而基于系统日志的入侵检测这一关键任务尚未被系统评估。HIDBench统一了三个公开系
PocketAgents: A Manifest-Driven Library of Autonomous Defense Agents
本文提出 PocketAgents，一个基于清单（manifest）驱动的自主防御代理库，旨在将大语言模型（LLM）与防御执行决策安全地连接起来。现有方法仅依靠模型回答是否发生攻击，但防御者需要决定模型输出中哪些可以改变系统状态、哪些必须拒
ASSEMBLAGE-DEEPHISTORY: A Cross-Build Binary Dataset with Temporal Coverage
该论文提出了ASSEMBLAGE-DEEPHISTORY，一个跨构建的二进制数据集，旨在弥补现有二进制语料库缺乏时间维度、跨编译多样性以及CVE标签组合的不足。数据集包含73,610个二进制文件，涵盖248个开源项目，使用GCC、Clang