Scanning the Harness: An Empirical Study of Supply-Chain Defects in AI Coding-Agent Configurations
该论文针对AI编码助手（如Claude Code、Cursor、GitHub Copilot、OpenAI Codex）的供应链安全缺陷进行了实证研究。这些工具通常通过开发者编写和共享的配置文件（指令文件、技能、钩子、MCP服务器声明、子代
#supply-chain
共收录 99 条相关情报。
← 返回所有主题Versioned Transitive Dependency-Closure Binding and Operation-Time Effect Governance for Agent Skills: ClosureBound
该论文针对 Agent Skills 生态中依赖闭包与授权绑定问题提出 ClosureBound 参考监视器。Agent Skills 将指令、文件、包、工具、模型和服务组合成一个混合执行单元，其操作身份可能超出原始签名目录，导致传统基于根
A Blind Trust, the Bloody Thrust: When Attacker-Controlled Hook Updates Steer AI Agent Harnesses towards Malicious Behaviors
现代AI agent harness（智能体框架）通过“生命周期钩子”机制将Shell命令绑定到会话开始、工具调用和文件编辑等运行时事件。这些命令通常以宿主主机权限执行，但它们作为钩子配置分发，且可能在大型语言模型（LLM）从未感知的时刻被
CodePoisonRAG: Knowledge Poisoning Attacks on Retrieval-Augmented Code Generation
该论文提出 CodePoisonRAG，一种针对检索增强代码生成（RACG）系统的上游知识投毒攻击框架。RACG 通过检索外部代码、文档和补丁并融入生成上下文来提升 LLM 的代码生成能力，但这种对外部知识的依赖引入了新的信任边界：攻击者可
A Finger on the Scale: Covert Policy Steering through Agentic Skills
该论文研究可复用智能体技能（agentic skills）带来的供应链安全风险。可复用技能为LLM智能体提供任务流程、工具使用指导和输出约束，但它们本质上是外部化的行为策略。论文提出一种名为SkillShift的黑盒攻击框架，能够在保持技能
OreProof: Verifiable Provenance with Limited Disclosure for Critical-Minerals Supply Chains Using Zero-Knowledge Proofs
本文报告了 OreProof 的设计科学实践：一个面向关键矿物（以黄金为实例）供应链的可追溯性平台原型。核心问题在于供应链中存在结构性矛盾：监管方和买家要求可验证的来源，而上游参与者不愿透露供应商身份、品位/产量和价格等敏感信息。OrePr
Beyond the Payload: How User Invocation Shapes Coding Agent Vulnerability to Repository Poisoning
该论文研究编码智能体（coding agents）在从第三方代码仓库引导项目时所面临的仓库投毒（repository poisoning）风险。以往研究主要关注攻击者控制的注入与伪装手段，但本文提出一个被忽视的维度：开发者的日常调用选择——
GhostSplat: Input-Triggered Backdoors for Multi-View-Consistent 3D Content Manipulation in Feed-Forward Gaussian Splatting
GhostSplat 针对前馈式 3D 高斯泼溅（Feed-forward 3D Gaussian Splatting, 3DGS）提出了一种输入触发的后门攻击方法。前馈式 3DGS 模型能够通过一次前向传播从稀疏图像中重建三维场景，其共享
Beyond the Editing Canvas: Evidence Divergence in OOXML-to-LLM Ingestion
该论文研究大型语言模型（LLM）流水线在摄入 Office Open XML（OOXML）文档（Word、Excel、PowerPoint）时面临的一个关键安全与语义完整性问题。在金融、合规和检索增强生成等场景中，LLM 常将这类文档作为第
EVOMAL: Self-Poisoning in Self-Evolving Coding Agents
本文由多所高校和机构的研究人员提出，关注自我进化的大语言模型（LLM）编码代理的安全漏洞。此类代理能够从共享技能库中检索示例，并通过模仿这些示例来自动编写新技能。研究人员发现，这一自我进化过程中存在一种可被利用的“自我投毒”（self-po
Uncovering and Understanding Hidden Dependencies in the LLM API Reseller Ecosystem via Prefix-Cache Side Channels
LLM API 转售商已成为现代 LLM 服务的重要访问层，但多层转售导致供应链不透明：用户请求可能经过未披露的上游转售商，每个转售商都有可能检查或修改提示和响应，从而引发生态系统级别的机密性和完整性风险。现有研究仅审计单个转售商，缺乏对跨
Reproducibility is Not Enough: Artifact Verifiability in Decentralized-Build Package Ecosystems
该论文针对去中心化构建的包生态系统中工件可验证性问题展开研究。作者指出，可复现构建虽然能增强对分布式软件工件的信任，但仅靠构建确定性并不足以实现工件验证——验证者还必须能够恢复生成该工件所需的源代码状态、构建环境、依赖项和构建指令。而去中心
No Privacy in the Electronics Repair Industry.
该研究聚焦北美电子维修行业中的用户隐私泄露问题。电子设备维修服务商提供从软件安装到硬件维修的各类服务，用户通常需要将设备及访问凭据（如密码、PIN等）交给技术人员，这可能使个人数据面临未经授权的查看风险。作者设计并实施了一项包含四个部分的综
Conjunctive Poisoning in AI Supply-Chain Applications
该论文研究大型语言模型（LLM）和视觉语言模型（VLM）在实际部署中的一类新型安全风险。现代AI推理流水线通常包含提示包装器（如模板、后处理脚本）和配置元数据（如JSON/YAML文件），这些文本工件共同影响模型输出。尽管模型权重和二进制文
GhostTalk: Interactive Attack on Smartphone Voice System Through Power Line.
该论文提出了一种名为 GhostTalk 的新型攻击方法，攻击者通过篡改的手机充电线在物理层面入侵智能手机的语音助手系统。具体场景是：在商场中，受害者租用了一个被恶意修改过的充电宝，该充电宝内含特制的充电线，当受害者将手机连接到这个充电宝充
Beyond Source: An Empirical Study of Python Bytecode Security Risks
该实证研究聚焦于 Python 字节码作为安全工件的风险，揭示了当前 Python 包安全机制主要依赖源代码检查，但 Python 运行时可直接执行 .pyc 文件、编译模块和序列化后的代码对象，造成检查与执行之间的差距。研究者收集了 1,
Convergent Detour Hijacking: Task-Preserving Resource Amplification in Skill-Based LLM Agents
该论文提出了一种针对基于技能（skill-based）的大型语言模型（LLM）智能体的新型攻击方法——收敛性绕行劫持（Convergent Detour Hijacking, CDH）。在LLM智能体生态中，第三方技能通过自然语言描述供模型
Navigating the Privacy Compliance Maze: Understanding Risks with Privacy-Configurable Mobile SDKs.
本文针对移动应用软件开发工具包（SDK）中的隐私配置功能展开系统研究，聚焦于‘隐私可配置SDK’在合规性方面带来的新型风险。所谓隐私可配置SDK，是指允许开发者或最终用户调整数据收集、共享和使用方式的SDK，这类SDK在灵活性的同时，也可能
Trigger the Straggler: Load Hijack on Mixture-of-Experts LLMs
本文提出了一种针对混合专家（Mixture-of-Experts, MoE）大语言模型的新型供应链攻击方法——Load Hijack。在MoE模型的专家并行（Expert Parallelism, EP）服务架构中，不同专家被分布到多个GP
ReputationChain: Robust Trust Updating for Blockchain-Enabled Supply Chains
本文提出 ReputationChain，一个面向区块链供应链的参与者信任更新框架。研究背景是：区块链虽然能保证供应链记录的完整性，但仅凭账本完整性无法判断参与者在未来风险敏感交易中是否值得信任。现有声誉系统主要关注产品证据、全局反馈聚合或