本站已超过 12 小时没有更新（正常每 3 小时更新一次），下面的内容可能不是最新的。
本页没有符合条件的条目（筛选只在本页内进行）。
说明第零步攻击：可观测性之前的智能体安全
简介本文指出，编程智能体的现有攻防多针对模型读入内容之后的环节，但智能体往往必须先处理未知文件、网络响应或图像才能判断其是否安全，这一步本身就可能造成危害，作者将其称为“第零步”攻击。实验覆盖七种运行环境与六个模型，结果显示多数组合在模型看到任何内容之前就超出了磁盘预算，并给出了在处理原语层面进行限制的防护方法。
看点提出“第零步”攻击概念，指出代理在模型读取内容前即可受害；跨7个框架与6个模型测试，并给出字节计数门控防御。
说明CertClaim：面向编程智能体服务的可认证模型声明验证方法
简介编程智能体服务按其所声称的模型计费，因此验证这类模型声明对用户很重要。本文指出，现有模型审计方法默认部署是静态的，但服务商可能在不更换模型的情况下合法调整采样参数、推理模式或系统提示词，导致现有方法误判诚实服务商或漏检廉价替代模型。论文提出可认证的模型声明验证方法CertClaim，将所有授权部署纳入声明范围，并在各部署内融合多个证据通道进行校准，以检验服务证据能否被某个授权部署解释；文中给出了误判率与检测条件的理论分析，并通过实验验证其有效性及对潜在自适应攻击的抵抗能力。
说明将 Reddit 社区信号作为垃圾邮件分类中辅助域名信誉特征的保守对照评估
简介本研究探讨能否把 Reddit 社区衍生的信号作为电子邮件垃圾邮件分类的辅助域名信誉特征。研究使用一个基于 SpamAssassin 预处理的 5,582 封邮件语料，比较了基线、加入紧迫感与行动评分的增强配置，以及加入 Reddit 相关特征的配置。结果显示，随机森林模型在 Reddit 增强特征下准确率为 97.94%，较基线提高 0.55 个百分点，但在主要测试划分中差异未达统计显著性。作者强调这属于保守评估，并指出投产前仍需进一步验证。
说明使用小型语言模型基于评分量规评估学生报告
简介本研究提出一套可在本地运行的自动评分流程，用轻量级语言模型依据预设评分量规评估学生文本，并用视觉语言模型解读图像。数据来自一门本科网络安全课程两个学期中事件响应练习的105名学生回答。结果显示，小型模型在低资源环境下，纯文本评估准确率最高可达97%，富文本评估最高可达94%。
说明思维链监督需要分别验证忠实性与可监控性
简介这篇论文指出，一个可见的推理过程并不自动意味着模型行为容易被监控，因为推理可见性、机制忠实性、机制可定位性和行为可监控性是彼此不同的属性。作者通过三个开源推理模型的两项案例研究说明，其中一个属性的证据无法证明其他属性。为此，论文提出证据链报告标准，要求每个结论标明目标属性、访问层级和证据载体，并逐环节标注为已支持、未支持或假设。
说明StateGate：面向长链大模型智能体的行为保真提示优化方法
简介长链大模型智能体在复杂任务中常出现行为退化，即提示写全了，步骤却没有完整执行。本文提出StateGate，把语义约束转化为由外部确定性运行时执行的符号门控，使约束效力与其文本载体解耦。框架包含状态文件、验证器和调度器三个组件，并在安全领域的漏洞发现任务上验证，结果显示实现了100%的执行闭环和准确的漏洞检测。
说明检测针对RGB-D地点认证的生成深度注入攻击
简介本文研究攻击者利用单目深度估计模型从公开RGB图像生成深度，并伪造RGB-D查询以欺骗地点认证的问题。作者评估了一种基于注册视图与查询视图几何一致性的演示攻击检测分类器，并分三个阶段考察其在攻击者掌握相机内参程度不同时的检测效果。文章指出，在攻击者知道精确内参时，原检测器效果接近随机，但基于注册残差的重新训练分类器仍能检测。
说明CipherFlow：为高效的密码学安全推理编译AI程序
简介CipherFlow是一个编译框架，输入高层AI计算图、可用的密码学原语以及目标硬件和网络配置，自动生成延迟优化的安全推理程序。它通过MicroBench测量部署环境下的原语开销，用状态扩展规划联合优化同态加密与安全多方计算的分配、转换及密文维护，并借助BlockFold将规划扩展到Transformer图。在BERT-base和ViT上，与静态混合分配基线相比，分别获得最高16.5倍和超过22倍的加速。
说明J-Anchor：通过J空间选择性拒绝恢复防御预填充攻击
简介论文研究预填充越狱攻击会使安全对齐的语言模型在攻击者设定的不安全助手前缀下继续生成有害内容。作者发现“拒绝状态侵蚀”现象：预填充过程中拒绝信号逐步降至良性基线，而有害性信号仍高于基线。基于此，作者提出无需训练的推理时防御方法J-Anchor，在J空间中选择性恢复被削弱的拒绝信号，从而降低攻击成功率，并基本保持良性行为与推理能力。
说明用于支撑分裂的双线性壳：刻画、优化与应用
简介本文研究Sendrier的支撑分裂算法（SSA）中计算成本的降低方法。作者将定义壳所用的标准内积替换为其他双线性形式，证明只有矩阵为单位矩阵与全一矩阵线性组合的双线性形式仍能让SSA运行，且壳维数最多降低一，因此成本最多降低为原来的1/q（q为域大小）。文中还指出SPECK可获得该降幅，LESS和PERK则不在该框架内，并用SageMath验证了在长度252时的可行性。
说明当良性标签未经验证时：基于图的内存取证中的标签-信号不一致与弃权优先分诊
简介该论文研究了基于图的 Windows 内存镜像分诊流程的验证问题。作者发现，在 MalVol-25 数据集上，规则层对良性对照样本的标记与良性标签相矛盾，许多对照被评为高风险，说明良性类别并未经过验证。论文还指出，部分公开数据集存在类似缺陷，并提出了七项学习型分诊的报告准则。
说明从零集中差分隐私到高斯差分隐私的最优转换
简介本文研究两种隐私核算框架：高斯差分隐私（GDP）与零集中差分隐私（zCDP）之间的转换。作者证明每个 ρ-zCDP 机制都满足 μ_zCDP(ρ)-GDP，并给出该转换的最优形式。文中还给出带有精确常数的简化上下界，说明两框架在差一个常数倍的隐私预算意义上等价。
看点作者给出从 zCDP 到 GDP 的最优逆向转换，证明每个 ρ-zCDP 机制满足 μ_zCDP(ρ)-GDP，并给出 √(πρ) ≤ μ_zCDP(ρ) ≤ √(8ρ) 的简化界，精确刻画两个框架之间的关系。
说明针对盲人和低视力用户的Cookie通知隐私与无障碍大规模评估
简介本文对2061个网站的Cookie通知进行了首次大规模隐私与无障碍评估，重点关注盲人和低视力用户。研究使用自动化爬虫、屏幕阅读器插件及无障碍检测工具，考察英国GDPR/PECR合规情况、各阶段追踪器活动以及屏幕阅读器用户的可访问性。结果显示，51%的网站显示Cookie通知，其中至少50%违反相关规定；接受通知后追踪器活动平均增加约五倍。同时，无障碍问题普遍存在，且违反隐私要求的通知往往无障碍性最差。
说明SHield：通过球谐系数扰动为4D高斯泼溅模型添加水印
简介该论文提出SHield方法，用于保护4D高斯泼溅（4DGS）模型文件的版权。它将零均值载荷分布嵌入到按密钥选取的高斯子集的球谐系数中，并通过简短的锚定优化保持视觉质量，验证时无需解码器即可按闭式解恢复载荷。在D-NeRF、HyperNeRF、DyNeRF共30个场景上的实验显示，载荷恢复的Pearson相关系数不低于0.991，平均渲染下降不超过0.13 dB，并对INT8量化和30%不透明度剪枝具有一定鲁棒性。
说明用于边缘AI系统的堆叠式硬件安全控制器：面向稳健且节能的异常检测
简介本文提出一种堆叠式硬件安全机制，用于边缘AI系统的持续、低开销异常执行检测。该方法利用硬件性能计数器和物理传感器，将其作为防篡改的信任根隔离，并对应用程序运行中的异常模式进行监测。实验分析表明，恶意或对抗性应用会在传感器与温度读数上产生可观察的偏差，基于硬件的检测方式能够以较低开销有效识别异常。
说明后量子密码算法的侧信道攻击防护：一种3D屏蔽方案
简介本文指出，后量子密码（PQC）算法在理论上能抵御量子攻击，但实际实现仍可能遭受侧信道攻击。作者提出一种基于三维集成的防御方法，通过堆叠结构进行物理屏蔽并引入诱饵密钥，以保护密码运算。该方法可与掩码、乱序等措施互补，并将数论变换（NTT）计算迁移到专用芯片上。文中还在针对NTT蝶形运算中间计算的通用攻击上验证了其有效性。
说明在变更时刻如何使用有界应用安全本体：判断代码变更需要满足哪些安全义务
简介论文提出将已有的有界应用安全本体 AppSec Core 用于代码变更与合规场景。该方法把分散在安全开发框架、验证标准、控制目录和 NIS2 等法规中的工程可执行要求整理为可类型化的工作集，包括控制目标、实践、机制和证据要求，并保留其来源依据。论文展示两种入口：由代码变更出发，以及由法律义务（如 NIS2 合规）出发，并说明该工作集可同时供工程师和基于大语言模型的助手使用。
说明检测的盲区：针对分布式大模型推理监控器的对抗扰动攻击
简介该论文研究在去中心化大模型推理中，恶意节点如何在数值校验容差范围内进行隐蔽破坏。作者提出名为Hush-Up的攻击方法，通过对输出激活施加对抗扰动，提高结束符（EOS）的概率，从而让生成过早终止。文中称该攻击还可使现有防御机制漏检或误判。
看点新意在于利用可容忍误差范围内的对抗扰动使分布式推理提前终止并规避检测；摘要报告在多种模型和基准上有效，并使检测机制失效。
说明《Pop Goes the Verifier》：针对语音活体检测的音素定向数据投毒攻击
简介该论文研究了用于语音说话人验证系统的活体检测（VoicePop）的数据投毒攻击。此前的SyntheticPop攻击会在波形能量图上留下明显痕迹，较易被发现。本文提出一种更隐蔽的音素注入投毒方法，利用FastSpeech 2和修改后的HiFi-GAN声码器在爆破音位置注入局部脉冲，并叠加轻微高斯噪声以降低可见性。实验基于ASVSpoof 2019数据集，结果显示该方法在投毒效果上属中等，同时比原SyntheticPop攻击更能抵抗信号层面的检查。
说明VeilFL：匿名联邦学习的两阶段问责机制
简介该论文提出VeilFL协议，在PINE（USENIX Security '24）基础上增加分阶段问责功能。它能在一轮内检测重复提交，并在确认故障后通过阈值委员会逐步揭示关联信息，同时保持正常提交的匿名性。原文报告了原型中的计算开销，例如每次提交生成的中位耗时为2.11毫秒，验证耗时为3.01毫秒。
说明时间问题：EMBER2024 中的编译时间戳与首次出现日期回归
简介该论文研究能否用机器学习估计可执行文件的首次出现日期，或判断其 PE/COFF 编译时间戳是否可靠。作者在 EMBER2024 数据集上评估了多种特征模型与原始字节模型。结果显示，直接回归首次出现日期的误差相当于数据收集窗口的很大一部分，现有模型尚不能替代外部来源的元数据；但分类器能较好地识别时间戳是否接近首次出现日期，并能发现明显不合理的时间戳。