2026/5/27 · CyberRadar
MCP 协议让 LLM Agent 具备自主执行能力，但也引入了 TDP 攻击。黑客在工具描述元数据中植入恶意指令，诱导智能体执行错误操作。实验显示 GPT-4o 在多个场景下的 ASR 接近 100 %。这种语义层面的攻击能绕过常见的提示词防护，让防火墙失效。Reactive Self-Correction 机制通过自主检测和回滚动作，为 Agent 的认知规划层提供了必要的安全屏障。 [link]
RAG 系统将模型响应锚定在专有数据中，却面临严重隐私泄露风险。MEntA 攻击仅需 5 次查询，就能通过自然语言蕴含关系判断特定文档是否存在于检索库中。这种攻击不需要昂贵的 Shadow Model，攻击成本降低了 65 倍。在多种数据集测试中，其 AUC 达到 0.991。现有的防护手段很难拦截这种低频隐蔽的探测，开发者必须警惕检索过程带来的数据脱敏难题。 [link]
MoE 架构已成为大模型缩放的主流方案。RouteScan 框架绕过了对用户提示词的直接访问，转而利用 GPU 执行产生的专家路由遥测数据进行安全审计。由于不同输入激活的专家模式在 GPU 线程分配上具有独特微架构指纹，审计者可以精准识别恶意 Prompt。这种非侵入式方法兼顾了安全性与用户隐私，其 AUROC 在未知攻击域下超过 0.93，为 MoE 模型在受监管环境下的部署提供了新思路。 [link]
eBPF 程序作为内核扩展被广泛用于网络和安全领域，但其 C 语言实现常伴随初始化和内存安全缺陷。Heimdall 实现了将旧版 libbpf C 程序自动迁移到 Rust 的形式化验证流水线。它利用 LLM 翻译代码，并结合 Z3 等工具证明迁移前后的语义等价性。实验修复了多个开源项目中的信息泄露漏洞。这标志着生产级 eBPF 程序的内存安全迁移进入了自动化且具备可靠性保证的新阶段。 [link]
SOC 助手在处理系统日志时面临严重的日志底座提示词注入威胁。黑客利用 URL 或用户名等攻击者可控字段注入恶意指令，干扰智能体的分级建议或事件摘要。研究指出 Persona Hijack 能在朴素分类器下抑制 68 % 的恶意日志。摘要任务风险最高，注入成功率可达 96 %。这种结构性缺陷要求安全运营中心重新评估 Copilot 的输入可信度，将原始日志视为不可信的对抗性输入。 [link]
现有 Prompt 工程虽能提升 LLM 的代码生成质量，但在安全性上表现堪忧。MA-CoT 框架将特定任务的 CWE 缓解指南与语言感知的防护措施嵌入推理链路。在 GPT-5 和 Claude-4.5 等顶尖模型上的评估显示，该方案在主数据集上减少了 57.6 % 的安全漏洞。通过对漏洞驱动因素进行分层归因，研究揭示了残余风险主要集中在硬件和工具链相关的硬化模式上。该成果推动了安全构造原语在代码生成领域的应用。 [link]
深度研究智能体正逐步取代传统搜索，但其依赖 UGC 内容的特性带来了严重安全隐患。由于此类 Agent 在研究过程中会反复检索 Wikipedia 或 Reddit 等平台上的相同页面，攻击者只需对单个高频页面植入恶意文本，即可实现大规模投毒。这会导致 Agent 在处理相关查询时引用错误内容或推广特定实体。即使是先进的 STORM 系统也无法幸免，这种检索重叠形成了难以忽视的集中式攻击面。 [link]
现有的机密容器方案通常基于微虚拟机架构，这导致了较高的启动延迟和资源开销。Fasco 利用 ARM CCA 硬件特性，将每个容器直接实例化为独立的 Container Realm。这种设计简化了软件栈，大幅降低了短寿命容器任务的运行负担。系统引入了专门的 System Realm 来处理资源管理，并通过异常转发和共享缓冲确保隔离性。在 ARMv8 硬件上的评估表明，该方案在维持小规模 TCB 的同时显著提升了云原生环境的安全性。 [link]
重入攻击每年从 DApp 生态中窃取数千万美元，现有的检测手段往往滞后。Sentinel 提出了一种代理驱动的解耦方案，将重入保护逻辑直接集成在代理层。该系统提供气态优化内部保护和高安全性外部锁注册机制，有效拦截针对底层合约的各类调用。该框架能防范跨合约重入，同时识别只读重入风险。在对 70 个真实漏洞合约的评估中，Sentinel 实现了 100 % 的安全覆盖率，极大降低了开发者的防御负担。 [link]
AI 正在重塑漏洞经济学。LLM 降低了候选漏洞生成、代码理解和报告编写的成本，使防御者能够在大规模代码库上进行快速审计。然而，研究指出瓶颈已从发现漏洞转向了后续的修复、验证和分发流程。开源社区面临着报告量激增但维护者处理能力受限的严峻挑战。本文结合 Anthropic 与 Mozilla 的实战数据，探讨了如何通过提升防御者的修复吞吐量来抵消自动化攻击带来的安全压力。 [link]
为什么长文本推理总是又慢又费钱？这项研究指出目前的 dense Attention 约束其实是不必要的。研究团队在 20 个主流模型上验证了极度稀疏的推理策略，任务精度未受损害，且在 H100 等硬件上实现了 10 倍的速度提升。它为长文本推理和 agent 交互提供了一套全新的底层架构思路，让处理超长上下文变得既高效又经济。 [link]
推理大模型的思维链越长就越聪明吗？事实可能恰恰相反。研究者发现当前大模型推理存在高达 61 % 到 93 % 的步骤冗余，中位关键前缀往往只需一个步骤就能锁定正确答案。这种过度思考反映了训练目标导致的结构性后果。这项大规模量化研究为优化模型推理延迟和 GPU 成本提供了坚实的理论基础和实践指引。 [link]
思维链中的逻辑跳跃和虚假推理往往源于模型的提前自信。研究团队发现模型如果过早锁定答案，剩下的 token 就会沦为自我辩解。通过 progressive confidence shaping 算法，模型被训练得更加审慎。这种方法在不依赖外部标签的情况下，大幅提升了算术和科学推理的准确度，让 1.5 B 级别的小模型也能展现出严谨的推理路径。 [link]
QUEST 系列模型填补了开源深度搜索智能体的空白。通过创新的训练方案和仅 8 K 条合成任务数据，QUEST 在事实检索、引用对齐和报告生成方面展现出极强实力，性能直逼闭源顶尖模型。研究团队同步公开了从 2 B 到 35 B 的全系列模型权重，并分享了完整的合成数据流水线，为构建处理长程搜索任务的专业 AI 助手提供了标准范式。 [link]
针对 RLHF 训练中生成环节的负载倾斜问题，PAT 框架交出了满意的答卷。它引入了动态 Tensor Parallelism 重构技术，能根据在线预测实时调整并行配置。实验证明该方案将生成延迟降低了 34.6 %，端到端训练速度提升超过四分之一。对于追求极致训练效率的工程团队来说，这种能自动适配 batch 特性的调度方案具有极高的工程落地价值。 [link]
让 LLM 像经典算法一样思考。这项研究将 A* 搜索的启发式思想注入模型后训练过程，引导 Llama 模型生成更高效且准确的演绎证明。通过这种方式，3 B 规模的小模型在逻辑推理任务上竟然超越了体量庞大的 DeepSeek-V3。该方法解决了推理步骤冗余的问题，并在搜索效率与准确度之间找到了平衡，为构建可靠的推理引擎指明了方向。 [link]
用户不再需要反复给 AI 纠错。该研究挑战了目前大模型平台主流的 inference-only 部署模式，提出利用 LoRA 权重固化用户偏好和项目上下文。相比传统的上下文压缩方案，这种通过每晚权重合并实现的记忆持久化技术，将知识保留率从 36 % 提升到了 80 % 以上。它让 AI 助手能够真正记住工作细节，标志着个性化 AI 交互进入了新阶段。 [link]
NITP 协议为大模型预训练引入了稠密的语义监督。不同于传统的单热编码预测，NITP 让模型在隐空间直接学习下一 token 的语义内容。这种自监督机制显著缓解了表征空间的各向异性问题，让模型学到的特征更加紧凑且结构化。在 9 B MoE 模型上的测试显示，它以极低的计算开销大幅提升了 MMLU-Pro 等任务表现，是一项优秀的底层优化策略。 [link]
Raon-Speech 是一款专注于英语和韩语的全能语音模型。模型同时具备卓越的语音理解和生成能力，并利用 Raon-SpeechChat 实现了极其自然的实时全双工对话。研究团队通过 alignment 和多任务偏好优化，成功将预训练大模型的强大文本能力迁移到了语音领域。该模型在 42 项基准测试中表现卓越，并全面开源了训练代码，极具产业落地潜力。 [link]
知道自己不知道是 AI 走向高可靠性的关键。PVD 协议借鉴了交互式证明理论，让模型通过 Prover 和 Verifier 的辩论来生成结构化置信度判断。在 GPQA 等高难度任务中，这种机制能有效识别并过滤掉不可靠的回答，将预测精度提升了 30 个百分点。这种不依赖模型权重的黑盒验证方案，为金融、医疗等容错率极低的领域应用 AI 提供了保障。 [link]
微软正在测试一项新的 Defender for Endpoint 功能。该功能会自动隔离受损端点，阻断攻击者在网络中尝试横向移动。 [link]
IT 团队处理网络事件时常需在监控看板、基础设施工具、工单系统和沟通平台间切换。本次研讨会探讨自动化和 AI 辅助工作流如何减少人工协调并提升响应速度。 [link]
CISA 要求美国政府机构在周三晚前针对 Drupal 系统中的 SQL 注入漏洞加强服务器安全。该漏洞已被标记为正被积极利用。 [link]
微软确认了一个影响 Windows Server 2016 的已知问题。安装 2026 年 5 月的 KB5087537 安全更新后，域控制器查询可能会失败。 [link]
根据数据泄露通知服务 Have I Been Pwned 的信息，勒索组织 ShinyHunters 在 4 月入侵 7-Eleven 系统并窃取了超过 18.3 万人的个人信息。 [link]
AI 治理需要掌握 AI 工具与企业数据的交互情况。Varonis 介绍了其 Atlas 平台如何利用 Claude Compliance API 数据监控使用、调查风险并支持合规。 [link]
美国电信巨头 Charter Communications 确认遭遇数据泄露。此前勒索组织 ShinyHunters 威胁称，若不支付赎金，将泄露窃取的数据。 [link]
黑客利用 KnowledgeDeliver 学习管理系统服务器中的一个高危 0-day 漏洞部署了 Godzilla web shell。 [link]