2026/2/28 · CyberRadar
API 厂商是否在用低配模型糊弄你？IMMACULATE 框架提供了一种可验证计算方案，无需接触模型内部或使用受信任硬件，就能识别出模型替换、过度量化和 Token 超额计费等违规行为。它仅需审计极少比例的请求，就可让恶意行为无所遁形。这种方案将密码学开销有效平摊，对吞吐量的影响不足 1%。它为黑盒 API 服务建立了信任底座，让企业级大模型应用更加稳健透明。 [link]
当 LLM 智能体自动读取网页预览图或元数据时，攻击者已悄然潜入。Silent Egress 揭示了隐式提示词注入的巨大危害。恶意页面能诱导智能体发出外连请求，在用户毫无察觉的情况下窃取敏感运行上下文。研究者甚至展示了分片脱出技术，通过拆分信息轻松绕过常规的数据防泄漏机制。这项研究提醒开发者，网络外连应当作为 Agent 系统安全的第一优先级，仅靠提示词层面的防御无法解决根本问题。 [link]
钓鱼网站日新月异，静态名单早已力不从心。MemoPhishAgent 引入了具备情境记忆的多模态 LLM 智能体。它能调度专用工具，并利用过去的推理路径来识别新型威胁。在真实社交媒体流量的测试中，该系统将召回率提升了 20%。目前它已在生产环境中部署，每周处理 6 万个高风险 URL。这种结合多模态推理与幕次记忆的方案，为数百万用户提供了主动且稳健的防护。 [link]
RAG 系统虽然强大，但向量索引中的 Hub 现象却成了攻击者的后门。HubScan 是一款开源安全扫描器，专门检测那些在检索结果中高频出现的异常节点。这些节点可能被植入有害内容，从而操纵搜索排名并绕过过滤。它支持 FAISS 和 Pinecone 等主流向量数据库，能实现高达 90% 的攻击召回率。通过统计学检测与扰动测试，它为生产环境中的知识库注入攻击筑起了一道坚实防线。 [link]
灾难恢复速度慢，竟然是加密哈希在拖后腿。传统的重复数据删除依赖内容哈希，但在系统崩溃后的索引重建过程中，这会产生巨大的计算瓶颈。本文提出了一种确定性的元数据驱动架构，在数据摄入时分配全球唯一标识符，彻底摆脱了内容分析对哈希的依赖。这种架构实现了瞬间增量计算，极大缩短了 RTO 达标时间。对于追求极致可用性的云原生基础设施，这是一种颠覆性的优化思路。 [link]
间接提示词注入让工具增强型智能体变成了傀儡。AgentSentry 首次提出将多轮注入视为时间因果接管问题。它通过在工具返回边界进行受控的干预性重新执行，精准定位攻击触发点。随后通过上下文净化移除攻击指令，同时保留关键的任务信息。该框架在 AgentDojo 基准测试中表现卓越，在不影响正常功能的前提下，将受攻击时的任务可用性提升了 30 个百分点以上。 [link]
传统的差分隐私方案往往难以满足数据治理中的最小频率规则。DPSQL+ 库巧妙地解决了这个矛盾，在确保用户级隐私的同时，强制要求每个查询结果单元必须包含足够数量的个体贡献。它拥有模块化架构，包括静态验证器和累积隐私损耗账本。实验证明，该方案在 TPC-H 基准测试中表现出极高的准确性，支持从简单聚合到复杂连接的多种分析负载，为敏感数据开放利用提供了合规工具。 [link]
模型卸载了旧知识，但在换个语言问时又复发了。MUTE 框架发现了多语言遗忘失败的关键原因在于干预深度。研究者通过 CKA 相似度指标找到了语言无关的中间层。只要针对这些特定层进行更新，就能实现跨语言的稳健知识擦除。这种方法不需要辅助模型或清洁参考数据，在多种 LLM 架构上验证了其有效性。它从底层机制上解决了知识移除不彻底的难题。 [link]
边缘 AI 既要压缩模型又要保障安全，但这往往鱼与熊掌不可兼得。TT-SEAL 针对 Tensor-Train 分解模型设计了选择性加密方案。它利用敏感度度量对核心张量进行排序，仅用 AES 加密不足 16% 的参数就达到了全量加密的防御强度。在 FPGA 原型机上，这种方法将解密延迟占端到端推理的时间比例降至极低。它实现了高安全与低延迟的完美平衡，为资源受限的边缘计算设备提供了强有力的保护。 [link]
在无中心的联邦学习中，如何公平分配奖励是一大难题。SettleFL 利用区块链技术构建了去信任且可扩展的结算协议。它通过零知识证明电路设计，提供了乐观执行和有效性证明两种策略，极大降低了链上 Gas 成本。该协议在支持 800 个参与者的大规模任务中依然保持高效。它解决了激励机制在许可链上的性能限制，为去中心化协作学习走向工业规模铺平了道路。 [link]
处理器架构设计迎来 AI 驱动的新时代。 ArchAgent 利用强化学习自动探索硬件设计空间。它在短短几天内就发现了超越人类顶尖水平的缓存替换算法。在 SPEC06 等标准测试中实现了显著性能增益。这种 Agentic 流程加速了硬件迭代，还发现了仿真器的潜在漏洞。它是 AI 进军底层硬件工程领域的里程碑。 [link]
软件工程智能体面临上下文降级和状态管理难题。 ESAA 架构借鉴了事件溯源模式。它将智能体的认知意图与项目状态的变更完全分离。所有操作都记录在不可篡改的日志中。这种设计确保了复杂开发任务的可追踪性和可恢复性。实验证明该架构能支持多个异构模型协同工作。它是构建高可靠自主软件工程师的坚实基座。 [link]
长程推理任务中 KV Cache 爆炸限制了性能。 SideQuest 创新地提出让大模型自己管理记忆。它在后台执行辅助推理任务。系统能够识别并剪枝 context 中不重要的 token 。在保持推理准确率的同时，成功减少了高达 65% 的内存占用。这为在有限资源下运行深度研究型智能体提供了高效的工程方案。 [link]
智能手机助手正从被动响应转向主动预测。 ProactiveMobile 针对移动端设备推出了综合评测基准。它涵盖了 14 个真实场景和 63 个 API 接口。该研究发现目前主流 MLLM 在主动性方面普遍欠缺。通过微调 Qwen2.5-VL 获得了显著性能提升。这一成果为构建能够预判用户需求的移动智能体铺平了道路。 [link]
缺乏形式化规范是 AI 智能体治理失败的根源。 ABC 框架将契约式设计引入自主智能体。它在运行时强制执行预设的行为约束。系统能自动检测并修复偏离目标的软冲突。该方案在多个模型上实现了极高的硬约束合规率。对于追求高可靠性的工业级 Agentic AI 部署具有极高的参考价值。 [link]
工业级广告问答对真实性和合规性要求极高。这项研究提出了强化协同适配框架。它将 GraphRAG 与受约束的 GRPO 强化学习结合。系统在处理复杂关联知识时表现出色。实际生产环境中的 URL 幻觉率降低了 92.7% 。这种数据驱动与知识图谱协同的方案，为高风险行业的 RAG 应用树立了新标杆。 [link]
解决复杂的路径优化问题有了新利器。 AILS-AHD 结合大模型与进化搜索算法。它能自动设计并优化处理物流配送问题的启发式规则。在 CVRPLib 大规模基准测试中，该方法刷新了多个全球最佳解记录。它证明了大模型在组合优化领域能独立产出高质量的算法逻辑。这标志着 AI 在运筹优化领域的应用进入了新阶段。 [link]
具身智能体必须准确判断动作在物理世界的可行性。 CWM 通过对比学习训练动作评分器。它利用困难负样本让模型识别细微的物理冲突。相比传统的监督微调，这种方法提升了模型对环境限制的感知能力。在 ScienceWorld 等模拟器测试中表现出更强的鲁棒性。它是实现机器人自主规划的关键技术突破。 [link]
中医临床诊断涉及复杂的辨证论治过程。 TCM-DiffRAG 将知识图谱与 Chain of Thought 推理融合。它针对中医知识的结构化特点改进了 RAG 流程。系统能根据个体差异生成专业的诊疗建议。在多个中医测试集上，该框架的性能优于通用大模型。它为传统医学的数字化转型提供了可落地的智能方案。 [link]
科学创意的产生不再完全依赖灵光一现。 GYWI 系统将合著作者图谱与 RAG 结合。它为大模型提供了可控的学术背景和可追溯的灵感路径。通过强化学习优化 Prompt 策略。系统生成的科研构想在创新性和可行性上均表现优异。它让 AI 辅助科研从简单的文献检索进阶到深度的创意生成。 [link]
一名乌克兰男子承认经营 OnlyFake 网站。这是一个利用 AI 技术生成并销售虚假身份证明文件的平台。该网站向全球客户售出了超过 10000 张伪造证件照片。 [link]
PDF 阅读器、邮件客户端和解压缩工具等日常工具构成了真实的攻击面。Action1 解释了第三方软件版本偏差如何增加漏洞利用风险。持续打补丁可以有效减少终端设备的风险暴露。 [link]
CISA 发布了关于 RESURGE 的新细节。这是一种用于 0-day 攻击的恶意植入程序。攻击者利用 CVE-2025-0282 漏洞入侵了 Ivanti Connect Secure 设备。 [link]
由 Europol 协调的 Project Compass 行动历时一年。目前已有 30 人被捕。共有 179 名嫌疑人被发现与 The Com 网络犯罪团伙有关。该团伙专门针对儿童和青少年。 [link]
朝鲜黑客正在部署新发现的工具。这些工具可以在联网系统和物理隔离网络之间移动数据。恶意软件通过可移动驱动器传播并执行隐蔽监控。 [link]
微软正在测试新的 Windows 11 Insider Preview 版本。该版本提升了执行批处理文件或 CMD 脚本时的安全性和性能。 [link]