Reflections on Trusting Docker: Invisible Malware in Continuous Integration Systems.
该论文探讨了持续集成(CI)系统的信任问题,核心关注点是:即便源代码本身没有恶意代码,基于容器的CI系统仍可能被植入隐形恶意软件,且不在源码中留下任何痕迹。作者借鉴了Ken Thompson经典的编译器后门思想,证明了攻击者可以通过多种初始
共收录 99 条相关情报。
← 返回所有主题该论文探讨了持续集成(CI)系统的信任问题,核心关注点是:即便源代码本身没有恶意代码,基于容器的CI系统仍可能被植入隐形恶意软件,且不在源码中留下任何痕迹。作者借鉴了Ken Thompson经典的编译器后门思想,证明了攻击者可以通过多种初始
该论文针对SOHO(小型办公室/家庭办公室)设备中因使用过时Linux内核版本引发的安全漏洞问题进行了系统研究。作者首先通过高精度模板CVE检测机制,对306款SOHO设备的900多个GPL源代码固件进行分析,实际验证了内核相关漏洞的存在。
AI 编码代理(如 Claude Code、Gemini CLI)通过第三方技能包扩展功能,这些技能包同时包含自然语言指令、可执行脚本和工具权限,构成了代码与指令混合的供应链依赖。现有检测工具从未在同时涵盖代码和指令的恶意技能 ground
该论文提出了一种名为“保管封套阈值”(Custody Envelope Threshold, CET)的模型,旨在解决现代机构基础设施中对外部工件(如包注册表依赖项、CI/CD actions、容器镜像、Terraform 提供者和模块、开
本文针对模型上下文协议(Model Context Protocol, MCP)服务器中普遍存在的描述-代码不一致(Description-Code Inconsistency, DCI)问题进行了系统性研究。MCP是大语言模型(LLM)调
本文提出了 RogueMerge,一个针对大语言模型(LLM)模型合并过程的统一攻击框架。模型合并通过聚合来自未经验证的公共平台的任务向量,将多个专用能力组合到单个 LLM 中,这暴露了关键的供应链攻击面:因为任何恶意行为都可以编码到任务向
本文针对开放智能体平台中社区贡献的技能(skills)带来的供应链安全风险,提出了一个两阶段安全审查基准——SkillVetBench。第一阶段对每个技能的自然语言规范进行语义审查,检测隐藏的恶意意图;第二阶段在沙箱中执行标记的技能以观察运
本文针对当前Web应用供应链中资源完整性缺乏有效验证的问题,提出了一种链接完整性管理系统(Link Integrity Management System)。研究背景指出,尽管Web持续增长,但依赖监控工具和资源完整性标准的发展滞后,导致供
本文针对Visual Studio Code(VS Code)扩展市场中的安全漏洞进行了系统研究。研究者首先识别了VS Code扩展中可能存在的四种不可信输入源和三种代码目标,这些可被用于代码注入和文件完整性攻击。基于此,他们利用CodeQ
本论文复现并扩展了 Spracklen 等人 (USENIX Security '25) 关于代码生成大语言模型 (LLM) 产生包名幻觉的研究。Spracklen 的工作表明,LLM 在生成 Python 或 JavaScript 代码时
本文提出了一种针对扩散模型的新型供应链后门攻击方法——DiffusionHijack。该攻击不修改模型权重,而是通过注入恶意的伪随机数生成器(PRNG)来劫持生成过程中的噪声采样,从而实现对生成图像内容的精确控制。攻击者通过第三方或已受感染
该论文研究大型语言模型(LLM)生态系统中以代码实现的技能(programmatic skills)的描述与实现不一致性问题。这类技能通常包含自然语言描述和可执行代码文件,用户或LLM依赖描述来理解其功能范围,但实现代码可能执行描述中未声明
该论文针对C/C++软件供应链中的漏洞分析问题提出了一种社区级别的软件组成分析方法(SCA)VulSCA。现有SCA工具(如OSSFuzzer、OSSGadget、OSV-Scanner)在识别第三方库漏洞时存在高误报率和难以理解的问题,主
本文提出了一种面向开放无线接入网(Open RAN)无线智能控制器(RIC)应用的零信任供应链保证评分标准(rubric)。Open RAN允许第三方xApps和rApps以运营节奏进行上线和更新,形成了跨越开发者、持续集成系统、注册表、上
本文研究了ASIC加密货币矿机的固件分发生态系统的安全性。矿机是区块链基础设施的核心组件,直接转换算力和能源为货币价值,但其安全性很少被系统评估。作者提出了一种可扩展的方法论,基于收集和静态分析公开分发的固件工件,无需设备访问或运行时交互。
该论文针对AI包生态系统中日益严重的依赖混淆攻击,提出了一种基于密码学的分发溯源系统。依赖混淆攻击利用了软件分发过程中的结构性缺陷:一旦包被安装,没有任何密码学证据证明它来自哪个注册表。现有的防御措施均为配置驱动,且在配置错误时会静默失效。
本文揭示了一种针对本地大语言模型(LLM)微调过程的供应链攻击新范式。传统观点认为本地离线微调能够保护训练数据中的敏感信息(如API密钥、个人标识符、金融记录等),但本文证明,通过向模型代码中植入伪装成标准架构定义的后门,攻击者即可实现高成
CVE-2026-1003
A prototype pollution vulnerability affects example-js < 3.5.0. Dependents that merge untrusted input may be impacted.
CVE-2026-1002
An authentication bypass vulnerability exists in ExampleLib 1.x. Services using the default configuration may allow unau