Quantum Private Information Retrieval on Forests
说明森林图上的量子私有信息检索
简介本文研究量子环境下的图私有信息检索问题，重点考虑由若干互不相交的树组成的森林图。作者设计了一种方案，在森林图上达到速率3/N，并使用GHZ态作为服务器之间的初始纠缠态。对于G=3K_2这一特例，文中给出了速率为4/6的方案及与之匹配的上界，并据此确定其容量。
本页没有符合条件的条目（筛选只在本页内进行）。
★★★★☆ 值得关注
MCP Tool Poisoning in Agentic AI Frameworks: A Cross-Framework Measurement Study
说明智能体AI框架中的MCP工具投毒：跨框架测量研究
简介该论文研究模型上下文协议（MCP）中的工具投毒问题：攻击者可控的工具描述、结构字段和返回数据会未经验证进入模型上下文。作者提出25类根因分类法，并开发开源工具mcpvenom，在12个框架、18个模型和45个攻击场景上构建了9,720个单元的易感性矩阵。整体攻击成功率为22.9%，其中12.1%的易感单元确认发生了密钥外泄。
看点首次跨框架测量MCP工具投毒并以真实工具执行确认，提出25类根因分类；摘要报告9720个单元格矩阵和双重判定，覆盖12框架、18模型。
An Empirical Evaluation of Signing and Verification Performance of Verifiable Credential Formats: A Cross-Language Benchmark of SD-JWT VC, W3C VCDM, and mdoc
说明可验证凭证三种格式签发与验证性能的跨语言实证比较
简介本文比较了 SD-JWT VC、采用 Data Integrity 密码套件的 W3C 可验证凭证数据模型 2.0（W3C VCDM）以及 mdoc（ISO/IEC 18013-5）三种可验证凭证格式在签发、选择性披露出示和验证三个环节的性能，使用 Node.js、Go 和 Python 实现，在四种环境中测试。结果显示 W3C VCDM 的端到端耗时约为 mdoc 和 SD-JWT VC 的 1.5 到 2 倍，主要原因是 RDFC-1.0 规范化过程，改用 JCS 后差距大幅缩小。
★★★★☆ 值得关注
IAMRAGBENCH: Benchmarking Authorization Expansions in LLM-Generated AWS IAM Policies under RAG Poisoning
说明IAMRAGBENCH：检验RAG投毒下LLM生成AWS IAM策略的权限扩张问题的基准测试
简介该论文提出IAMRAGBENCH，一个包含60个案例的基准，用于测试使用检索增强生成（RAG）的大语言模型在生成AWS IAM策略时，是否会因攻击者投毒的上下文而产生超出可信授权范围的权限。研究显示，在包含投毒上下文时，多个模型端点出现了大量授权扩张，并评估了AWS CheckNoNewAccess等检查工具的效果。作者建议将此类IAM辅助工具视为不可信的方案生成器，部署前需经独立的授权检查。
看点首个针对RAG投毒导致IAM策略授权扩张的基准，系统量化攻击成功率并提出部署前检查，结果对安全实践有直接意义。
O2N2: Efficient Doubly Oblivious Approximate Nearest Neighbor Search
说明O2N2：高效的双重不经意近似最近邻搜索框架
简介该论文提出 O2N2，一种双重不经意（doubly oblivious）的近似最近邻搜索框架，用于在可信执行环境中保护查询内容不被泄露。框架基于随机旋转 k-d 树森林的单路径搜索，并以指针式 Circuit ORAM 存储搜索结构。论文报告，在 10-NN 与 100-NN 的指定高召回率目标下，其速度比最快的双重不经意基线快 9.8 至 125.9 倍。
End-to-End NTT on FPGA for FHE Acceleration
说明用于全同态加密加速的FPGA端到端NTT（数论变换）
简介全同态加密可在密文上直接计算，但计算与内存开销很大，其中数论变换（NTT）及其逆变换占CPU时间较多。作者在AMD Alveo V80的三个芯片裸片上实现了全展开的流式NTT/INTT内核，并将其集成到Lattigo库中进行端到端评估。结果显示，在128位安全参数下，密钥切换、自举及神经网络推理分别获得1.8至2.2倍及1.8至2.1倍的加速。
A Symbolic-Neural Framework for Context-Aware Evidence Extraction from Mobile SQLite Databases
说明面向移动端SQLite数据库的上下文感知证据提取符号-神经框架
简介该论文提出SNEEF框架，用于从移动设备SQLite数据库中提取取证证据。它将每行数据编码为带来源元数据的上下文-值对，并利用语言模型识别九类取证实体，再通过PA-EEP溯源协议将实体绑定到源表和行。在基于安卓和iOS设备镜像构建的五个语料上，SNEEF的F1值为0.967，高于无上下文配置的0.728。
TrafficInstruct: A Multi-Task Network Traffic Dataset and Benchmark for Instruction Tuning
说明TrafficInstruct：面向指令微调的多任务网络流量数据集与基准
简介本文介绍了 TrafficInstruct，一个包含原始数据包捕获和 55,000 条结构化监督微调记录的网络流量数据集，涵盖恶意软件、僵尸网络、Tor、加密 VPN 等十类流量分析任务。数据通过受控软件执行、攻击实验和应用活动自动采集，并按完整采集会话划分训练、验证与测试集。作者在此基准上比较了多种基线模型，以及在共享冻结基座上分别训练的任务专用 LoRA 适配器，结果显示任务专用适配能提升分类性能。