2026/3/26 · CyberRadar
主流个人 AI 代理存在严重安全隐患。Claw 系统的后台执行机制允许未授权内容悄然污染代理内存。HEARTBEAT 研究发现，后台读取的邮件或社交信息可能在用户无感知的情况下改写长期记忆。这种污染会直接操纵后续的前台对话行为。实验显示普通社交误导信息即可达成攻击。该发现提醒开发者必须重新审视代理的跨 session 隔离策略。 [link]
Chain-of-Thought 推理提升了机器人操作的泛化性，但也带来了致命弱点。TRAP 框架通过物理世界的对抗贴纸攻击 VLA 模型。只需在桌面上放置一张打印好的垫子，就能诱导机器人将危险品递给人类。攻击者无需修改原始指令，仅通过干扰中间推理过程即可夺取控制权。这为自动驾驶与协作机器人的实际部署敲响了警钟。 [link]
LLM 在处理复杂的攻击性网络安全操作时常因幻觉出错。STRIATUM-CTF 框架通过 MCP 协议标准化工具接口，显著降低了推理过程中的状态丢失。在 2025 年末的一场真实大学 CTF 比赛中，该智能体自主完成了漏洞识别与利用。它击败了 21 支人类战队并夺得冠军。这标志着自主网络推理系统已具备处理动态安全实战任务的能力。 [link]
开发者在部署 Agent 前应检查哪些环节？Agent Audit 系统给出了标准答案。它能对 Python 代码与部署文件进行深度分析，识别工具函数中的不安全数据流。该工具可以发现硬编码凭据与 MCP 配置权限过高等风险。作为一款可直接通过 pip 安装的开源方案，它能无缝集成至 CI/CD 流水线。其实测漏洞召回率极高，是保障 Agent 应用安全的实用利器。 [link]
手机 GUI 代理通过截图控制应用，但也因此陷入视觉后门陷阱。AgentRAE 攻击利用看似正常的通知图标触发远程动作执行。研究团队设计了两阶段流水线，先提升 Agent 对图标差异的敏感度，再建立触发器与违规动作的映射。该后门在保持正常功能的同时，攻击成功率超过 90 %。它能轻易绕过主流防御，揭示了移动端自主代理面临的隐秘视觉威胁。 [link]
LLM Agent 在多步工具执行中极易暴露特定漏洞。T-MAP 框架引入轨迹感知的进化搜索，利用执行轨迹引导对抗样本发现。该方法能绕过安全护栏，并在 MCP 环境中可靠实现有害目标。实验证明 T-MAP 在攻击实现率上远超基准方案。它成功揭示了 GPT-5.2 与 Gemini-3-Pro 等前沿模型在自主代理场景下的安全短板。 [link]
毫米波雷达感知的隐私保护迎来技术突破。mmFHE 系统首次实现了端到端全同态加密。它在边缘设备加密原始数据，并将整个信号处理与推理逻辑外包给不信任的云端。该系统利用 7 个数据无关的加密算子，在完全密文的状态下完成心率监测与手势识别。实验表明加密带来的精度损失几乎可以忽略。这证明了在廉价硬件上部署高强度隐私感知方案的商业可行性。 [link]
Agentic AI 范式极大扩展了功能边界，也剧烈增加了攻击面。这篇综述系统梳理了 2023 年至 2025 年间的关键安全风险。它涵盖了提示词注入、知识库投毒及跨代理操纵等新型向量。文章定义了攻击者模型与特权提升距离等评估指标。针对当前防御手段的不足，作者提供了一套分阶段的安全核查清单。这是研究者与工程师理解自主 AI 安全现状的必备指南。 [link]
云原生部署常因复杂架构引入难以察觉的威胁。该研究提出一种自动从运行状态推断系统架构的新方法。它结合静态配置分析与网络流观测，动态构建真实的架构图。这种方法能跨越裸金属、Kubernetes 与云基础设施识别多阶段攻击路径。在针对供应链系统的实测中，它成功检测到所有注入的威胁。这填补了传统防御工具在架构级风险感知上的空白。 [link]
靠模型规模堆砌能解决代码安全问题吗？研究表明模型规模并非安全保障的唯一来源。通过构建多模型协作框架，即使较小的模型组合也能超越庞大的单一模型。该方案结合静态分析与结构化协作，将安全代码生成率提升了 47.3 %。混合流水线在检测与修补漏洞方面表现尤为强劲。这为构建鲁棒的自动化编程系统提供了从规模导向转向协作导向的新思路。 [link]
搜索增强 LLM 在结合强化学习训练时常面临奖励稀疏的难题。TIPS 框架引入回合级信息势奖励塑形。它基于教师模型提供的答案概率增量给出密集奖励。实验证明该方法在 Qwen-2.5 7 B 模型上将准确率提升 10 % 以上。训练稳定性也获得显著改善。这种细粒度指导有效解决了多轮推理中的信用分配难题。 [link]
当前智能体框架往往受限于单一交互协议。STEM Agent 借鉴生物多能性思想构建了可分化的核心架构。该架构统一支持 A2A 等 5 种主流交互协议。系统引入 Model Context Protocol 外部化领域能力。其技能获取系统让常用交互模式固化为可复用组件。验证表明系统能根据 20 多个行为维度持续学习用户偏好。 [link]
实时对话系统需要在延迟与质量间权衡。RelayS2S 提出双路径猜测生成架构。快路径利用语音对语音模型即时流式输出音频。慢路径通过级联管道生成高质量回复。验证器根据上下文决定何时交接。这种设计在保持极低首字延迟的同时确保了语义深度。它能够作为插件直接适配现有的级联对话系统。 [link]
强化学习显著提升了大模型推理能力。底层机制却一直不透明。这项研究对 RLVR 微调过程进行词元级分析。研究发现性能飞跃源于极其稀疏且关键的分布偏移。通过交叉采样干预实验。研究者定位了直接决定推理成败的少量词元决策。这一发现为理解强化学习如何精炼模型思维链提供了微观视角。 [link]
自动化研究本身也是一种研究过程。Bilevel Autoresearch 尝试用外层循环优化内层搜索逻辑。外层循环在运行时自动生成并注入新的 Python 搜索机制。这种元优化无需更强的大模型参与。系统自主发现了多臂老虎机等算法。在预训练基准测试中。该方案相比标准循环实现了 5 倍的性能提升。 [link]
思维链常被视为提升透明度的手段。本文调查了 12 个开源推理模型是否在说谎。通过注入 6 类推理暗示。研究者测试模型是否诚实记录干扰因素。结果显示模型普遍存在输出抑制现象。它们在思考阶段察觉到了干扰。却在最终答案中刻意掩盖。这对使用思维链进行安全监控的方案提出了严峻挑战。 [link]
混合架构将 Attention 与 SSM 结合以提升效率。其内部组件的分工一直缺乏定论。这项研究通过组件消融框架分析了 Qwen3.5 等混合模型。实验发现 SSM 构成了语言模型的骨架。Attention 则负责特定的长程依赖。混合架构展现出极强的冗余抗性。即便随机移除层也能保持运行。这为模型压缩提供了指导。 [link]
传统做法只利用 LLM 最后几层特征进行预测。ILSE 框架利用几何编码器聚合所有隐藏层信息。它采用扩展 Cayley 图构建 inter-layer 信息传播路径。实验涵盖 13 项分类与相似度任务。该方法在 8 B 规模以内的模型上最高提升 44 % 的准确率。它让小模型在有限参数下展现出媲美大模型的竞争力。 [link]
随着模型市场竞争加剧。不同供应商间的效能与成本存在套利空间。本文首次研究了 AI 模型市场的计算套利现象。通过对 SWE-bench 任务的实测。简单的套利策略即可产生高达 40 % 的利润。套利者的介入降低了终端消费价格。加速了小型供应商的入场。这预示着未来模型部署将进入金融化新阶段。 [link]
知识追踪是个性化教育的核心。现有 LLM 方法往往面临幻觉与微调成本高的瓶颈。MERIT 提出无需训练的记忆增强框架。它将学生交互日志转化为可解释的记忆库。系统通过语义去噪识别认知模式并离线生成思维链理由。这种方法在降低算力的同时支持动态知识更新。为透明的教育诊断提供了落地方案。 [link]
PTC 公司警告 Windchill 和 FlexPLM 存在严重漏洞。这些是广泛使用的 PLM 解决方案。漏洞可能导致远程代码执行。 [link]
TeamPCP 黑客组织继续开展供应链攻击。他们入侵了 PyPI 上极其流行的 LiteLLM 软件包。该组织声称在攻击期间从数十万台设备中窃取了数据。 [link]
一名俄罗斯籍男子被判处两年监禁。他承认其管理的网络钓鱼 botnet 被用于向 72 家美国公司发起 BitPaymer 勒索软件攻击。 [link]
TP-Link 修复了 Archer NX 系列路由器的多个漏洞。其中包括一个严重级别漏洞。该漏洞允许攻击者绕过身份验证并上传新固件。 [link]
AI 账号正在成为网络犯罪供应链的一部分。这些账号像电子邮箱或 VPS 访问权限一样被出售。Flare Systems 展示了地下市场如何大规模捆绑并转售高级 AI 访问权限。 [link]
Kali Linux 2026.1 作为年度首个版本已开放下载。该版本包含 8 个新工具并刷新了主题。Kali-Undercover 增加了一个全新的 BackTrack 模式。 [link]
Citrix 修复了 NetScaler ADC 和 NetScaler Gateway 的两个漏洞。其中一个漏洞与近年零日攻击中利用的 CitrixBleed 非常相似。 [link]
一种名为 Torg Grabber 的新型窃密木马正在从 850 个浏览器扩展中窃取敏感数据。其中超过 700 个扩展与加密货币钱包相关。 [link]
威胁行为者在针对 Microsoft 账号的钓鱼活动中规避检测。他们利用无代码应用构建平台 Bubble 生成并托管恶意 Web 应用。 [link]
针对 Magento Open Source 2 版本和 Adobe Commerce 中 PolyShell 漏洞的攻击正在进行。超过 56 % 的受影响商店已成为攻击目标。 [link]