2026/2/20 · CyberRadar
LLM 辅助编程已成常态，但生成的代码安全吗？阿里巴巴发布的 SecCodeBench-V2 为这一难题提供了工业级评测标准。它包含来自生产一线的 98 个真实场景，覆盖 Java 和 Python 等 5 种主流语言。通过 22 类 CWE 安全弱点和专家审核的 PoC 测试用例，该基准能够精准捕捉 AI 编码助手在漏洞修复与安全生成方面的短板。它提供了统一的动态执行评估管线，并引入 LLM-as-a-judge 机制。这为构建更安全的 AI 原生软件开发生命周期奠定了坚实基础。 [link]
从 Hugging Face 下载的 LoRA 适配器可能藏有暗门。传统的检测方法依赖大量测试数据，在面对成千上万个未知触发器的适配器时显得力不从心。这项研究提出了一种基于权重空间的检测方案，无需运行模型即可识别恶意插件。通过分析权重矩阵的奇异值分布、熵值以及统计特征，研究者能够敏锐发现偏离正常的参数模式。在 Llama-3.2 等模型上的实验证明，该方法在保持极低误报率的同时，实现了 97% 的检测准确率。它是大模型供应链安全的一道有力防线。 [link]
在 Agent 系统中，仅仅靠提示词约束策略是不可靠的。PCAS 策略编译器通过将安全规则转化为确定性的强制执行机制，解决了这一难题。它利用 Datalog 语言描述复杂的授权逻辑，并构建依赖图来追踪跨 Agent 的信息流与操作来源。当参考监视器拦截到违规动作时，会在执行前将其阻断。在针对客户服务和自动化药代动力学系统的测试中，PCAS 将策略合规性从 48% 提升至 93%，且实现了零违规记录。这种通过编译手段实现的本质安全，极大增强了 Agent 系统的可信度。 [link]
Agent 系统正从简单的工具编排演进到复杂的代码执行。Model Context Protocol 作为统一平台，正面临扩展性与安全的双重挑战。研究者对比了传统模型与新兴的 Code Execution MCP 架构，发现后者虽然大幅降低了 token 消耗和延迟，却暴露了巨大的攻击面。通过 MAESTRO 框架，团队识别出 16 类潜在攻击，包括异常诱导的代码注入等风险。为此，他们提出了包含容器化沙箱与语义网关的防御架构。这为开发生产级别的安全 Agent 工作流指明了技术路径。 [link]
针对 Agent 系统的绕过攻击正变得越来越狡猾。RLM-JB 框架引入了递归语言模型，将检测过程从单一分类转变为一套完整的分析程序。系统会对可疑输入进行去混淆处理，将其切分成多个片段进行并行筛查，并聚合跨片段信号以识别复杂的拆分载荷攻击。在 AutoDAN 等对抗性输入测试中，该方案在多个 LLM 后端上展现了极高的召回率和精度。它为应对长上下文隐藏和语义伪装等高级攻击提供了实用的程序化防御手段。 [link]
开源生态中的恶意包威胁日益严重，LLM 能否胜任检测重任？这项研究对 13 种主流模型进行了深度体检。实验发现 LLM 存在明显的粒度鸿沟，即便 GPT-4 在识别恶意包整体时表现出色，但在定位具体恶意指标时性能却下降了 41%。通用大模型擅长过滤已知威胁，而专业的编码模型在识别结构化攻击代码方面更具优势。有趣的是，模型参数规模与检测准确率并无直接关联。这一结论提醒安全专家，在构建自动化审计流程时需根据任务粒度精心挑选模型组合。 [link]
跨国金融洗钱与内部威胁由于数据隐私和管辖权限制，极难通过中心化手段检测。FedGraph-AGI 框架巧妙结合了联邦学习与 AGI 推理能力。它利用图神经网络捕获复杂的交易关系，通过混合专家模型应对不同地区的异质性数据。最关键的是，它引入了大动作模型进行因果推理，提升了对多步攻击模式的理解深度。该系统在保障差分隐私的同时，准确率超越了传统的中心化方案。这为隐私保护下的全球金融情报共享开辟了新路径。 [link]
嵌入式深度学习模型在物理攻击面前可能非常脆弱。研究者通过低成本电磁故障注入平台，深入探讨了不同数值表示对模型鲁棒性的影响。实验针对 ResNet 和 VGG 等经典架构展开，对比了浮点数与整数表示在受到攻击时的表现。结果显示，32 bit 或 16 bit 浮点模型在单次故障注入后准确率就会发生崩溃。相比之下，8 bit 整数表示展现了更强的防御韧性，即使在攻击下仍能保持较高的识别精度。这一发现为边缘 AI 硬件的加固设计提供了关键的实验依据。 [link]
战场物联网环境面临带宽受限和连接中断的严峻挑战，传统的集中式入侵检测难以奏效。ZAID 框架提出了一种区域自适应协作防御方案。它利用通用卷积模型提取流量特征，通过自动编码器捕捉异常信号，并借助轻量化适配器完成参数高效的本地演化。即便在缺乏中心化标注数据的情况下，ZAID 也能通过联邦聚合与伪标签技术识别从未见过的零日攻击。在多个物联网数据集上的迁移测试证明，这种协作模式能显著提升受限网络环境下对未知威胁的感知能力。 [link]
联邦学习中既要防范好奇的服务器窃取隐私，又要抵御恶意客户端的投毒攻击。SRFed 框架为此提供了一套高效的拜占庭容错方案。它设计了一种去中心化的功能加密协议，无需第三方参与即可实现安全的模型聚合与非交互式解密。通过层级投影与聚类分析，该机制能在数据分布非独立同分布的复杂场景下，精准剔除有害的参数更新。实验数据表明，SRFed 在保护隐私和抵御投毒攻击方面均优于现有基准方案，且保持了极低的通信开销。 [link]
强化学习微调推理模型时，极少数噪声 token 常导致梯度爆炸。该研究提出 STAPO 机制，精准识别并抑制这些 spurious tokens 的梯度扰动。在 Qwen 系列模型上的实验证明，该方法显著提升了数学推理的训练稳定性。相比 GRPO 等主流算法，它在保持熵稳定的同时实现了 7.13% 的性能增益。这是大规模模型精调走向工业级稳健的关键一步。 [link]
长文本处理带来的 KV cache 压力与延迟是大模型的沉疴。该论文提出 Doc-to-LoRA 架构，利用轻量级超网络将输入文档直接映射为 LoRA 适配器。这种元学习方案实现了上下文信息的即时参数化存储。后续查询无需重新处理原始文本，推理延迟大幅降低。它展现出超越原生窗口 4 倍的泛化力，为个性化助手和实时知识更新提供了高效路径。 [link]
检索增强生成由于上下文过长，导致推理效率极低。SeleCom 重新定义了编码器角色，将其转化为受查询驱动的信息选择器。该框架抛弃了无差别的全量压缩，转而精确提取与任务相关的核心语义。实验表明，SeleCom 在保证生成质量的前提下，成功缩减了 84.6% 的计算开销。这为 Web 规模的高性能 RAG 部署扫清了障碍，让大模型在海量知识库中运转如飞。 [link]
训练具备通用能力的智能体始终缺乏高质量仿真环境。Corecraft 作为 EnterpriseGym 核心组件，构建了包含 2500 多个实体和 23 种工具的高仿真企业模拟系统。研究人员利用 GRPO 算法在复杂流程中训练模型。实验发现，在高保真环境习得的技能具备强大的跨域迁移能力，并在多个外部基准测试中显著提升。这证明了模拟真实职业模式是打造下一代智能体的必经之路。 [link]
传统的 RAG 重排序依赖大模型，导致查询延迟高达数秒。Maniscope 另辟蹊径，在 k-NN 流形上计算测地线距离，融合了全局余弦相似度与局部几何结构。它能捕捉平坦欧氏度量无法感知的语义深度。在保持高精度的同时，其处理速度比传统方案快 3.2 倍，延迟压缩至 10 毫秒以内。这种几何优化手段为实时检索系统提供了极具竞争力的落地选择。 [link]
智能体在处理路由、验证等决策任务时，频繁调用大模型会累积巨大的延迟与成本。TabAgent 提出了一种极简的替代方案。它将执行轨迹中的决策逻辑提取为结构化特征，并训练轻量级的文本表格分类器进行替换。在长程任务基准测试中，该方法在维持成功率不变的情况下，将推理延迟降低了 95%。它为工业级智能体架构中的生成瓶颈提供了高效的辨别式替代范式。 [link]
现有的智能体安全评测大多局限于单轮指令，难以应对复杂的真实攻击。STING 框架引入了多轮自适应红队测试，通过模拟良性人格逐步诱导智能体执行非法计划。该研究发现，智能体在多轮交互中更容易突破安全防线。这种基于阶段追踪的评估体系能精准定位模型在工具调用和长程规划中的漏洞。它为构建安全可信的多轮交互系统提供了不可或缺的压力测试工具。 [link]
传统的自动化特征工程依赖统计启发式搜索，在面临数据分布偏移时表现脆弱。CAFE 框架将特征构建重新建模为因果引导的顺序决策过程。它首先通过因果发现获取特征间的先验结构，再利用多智能体强化学习进行分层搜索。在多个公开基准测试中，该方法在提升精度的同时，显著增强了特征集的鲁棒性。这种将因果推理与 AI 结合的思路，为解决工业级数据建模难题开辟了新方向。 [link]
大模型在处理表格数据分析时，输出内容往往缺乏确定性。CAST 框架通过算法提示词和稳定思维机制约束模型的潜在推理路径，显著提升了摘要和标签标注的稳定性。实验显示，在多个主流模型背书下，其稳定性分值最高提升了 16.2%。它不仅保证了输出质量，更解决了数据分析领域对结果一致性的严苛要求。这让企业在自动化报表生成等关键业务中真正信赖大模型的产出。 [link]
真实场景下的文档理解往往涉及多页混合文件包的拆分难题。DocSplit 填补了这一领域空白，提供了包含五大类复杂布局的综合基准数据集。它要求模型准确识别文档边界、分类类型并保持页码顺序，直击法律与金融行业的业务痛点。通过对顶级多模态大模型的评测发现，现有系统在处理交错文档时仍存在巨大瓶颈。该研究为优化长文档流水线处理提供了标准的评估框架。 [link]
一种名为 Massiv 的新 Android 银行木马正在南欧活跃传播。该木马伪装成一款 IPTV 应用。 [link]
非洲执法部门在一次打击投资欺诈、移动货币诈骗和虚假贷款申请的联合行动中，逮捕了 651 名嫌疑人，追回资金超过 430 万美元。 [link]
德克萨斯州起诉网络巨头 TP-Link Systems。该州指控该公司虚假宣传其路由器的安全性，实则允许受支持的黑客利用固件漏洞访问用户设备。 [link]
攻击者针对科技、制造和金融机构发起攻击。他们结合设备代码钓鱼与语音钓鱼手段，通过滥用 OAuth 2.0 设备授权流程来入侵 Microsoft Entra 账户。 [link]
一名尼日利亚籍男子被判处 8 年监禁。他入侵了马萨诸塞州多家税务代理机构，通过提交虚假纳税申报表试图骗取超过 810 万美元退税。 [link]
美国网络安全和基础设施安全局 CISA 要求政府机构在 3 天内修复一个 Dell 的最高级别漏洞。该漏洞自 2024 年中期以来一直被积极利用。 [link]
信息窃取程序的泄露数据正将凭据与真实身份绑定。这关联了个人与企业账户中的用户名、Cookie 和行为。Specops 对 9 万份泄露数据进行分析，揭示凭据复用如何增加企业风险，以及持续进行 AD 扫描如何阻断这一链条。 [link]
Grandstream GXP1600 系列 VoIP 电话存在严重漏洞。远程且未经身份验证的攻击者可利用该漏洞获取 root 权限，并秘密监听通信内容。 [link]
Google 表示在 2025 年期间，已阻止超过 25.5 万个 Android 应用获取过度敏感的用户数据。同时，由于违反政策，超过 175 万个应用的发布请求在 Google Play 中被拒绝。 [link]