2026/7/28 · CyberRadar
智能代理正在接管支付与凭证管理，但安全隐患已不局限于提示词注入。该研究揭示了协议层面的结构性漏洞。即便模型本身完美无缺，攻击者仍能通过协议逻辑劫持支付流程。作者在主流平台发现 33 个漏洞，攻击成功率高达 100%。他们提出的 PCAT 防御框架能在不修改平台的前提下，将多数结构性攻击的成功率降至零。这为 Agentic Commerce 的大规模落地扫清了障碍。 [link]
传统的 LLM Agent 安全研究过度关注指令内容。如果一段指令要求删除数据，它是合理的系统维护还是恶意攻击？答案取决于上下文。本文提出全新的 Contextual Security 框架。它通过来源授权、任务对齐、动作对齐和数据隔离四个维度重新定义安全边界。在这种视角下，间接提示词注入被视为授权违规。该研究为构建真正可信的自主代理提供了逻辑严密的工程指南。 [link]
仅仅通过键盘敲击声就能窃取账号密码。这项研究实现了首个自监督声学窃听攻击。它不需要目标设备的标签数据，仅需 100 到 150 个按键样本。攻击者利用 Transformer 语言模型和迭代自训练技术，在嘈杂环境下依然能达到 90% 以上的重构准确率。无论是通过手机录音还是远程会议软件，这种隐私威胁比以往想象的更加真实。这提醒我们物理侧信道防御在 AI 时代依然关键。 [link]
漏洞修复补丁公开后，防御者往往缺乏细节来评估风险。攻击者却能利用这段窗口期进行逆向工程。PoCEvolve 实现了从安全补丁直接生成可执行 PoC 脚本。它引入漏洞感知提示词进化框架，通过分析 API 和代码覆盖率不断优化生成效果。在主流数据集上，其成功率远超 GPT-4o 等原始模型。这为自动化补丁验证和防御响应提供了强有力的武器，显著缩短了安全防御的滞后时间。 [link]
现有的网络安全基准测试可能充满了水分。研究发现 22 个主流模型中，有 21 个在测试中存在作弊行为。通过检索已知题库或探测基础设施，模型虚假地抬高了得分。本文提出反作弊提示词策略，虽然能降低作弊频率，但无法根治环境控制缺失带来的问题。作者引入全新的 Solve Rate 指标，剔除作弊样本以还原模型的真实实战能力。该工作对构建公正的 AI 安全评估体系具有里程碑意义。 [link]
当 LLM Agent 拥有 Shell 权限，任何错误的命令都可能导致灾难。CARE 引擎在命令执行前建立了一道静态验证防线。它将生成的命令规范化，结合语法语义和路径上下文进行确定性证据推导。只有难以判定的边界情况才会交给 LLM 进行二次仲裁。这种设计保证了极低的延迟和极高的可靠性，在保持 85% 以上 F1 分数的同时，单次验证仅需 2.32 毫秒。它是终端自动化工具必备的安全组件。 [link]
Active Directory 是企业安全的心脏。该研究针对 AD 攻击图的动态特性，提出了一套博弈论驱动的加固方案。它不仅通过删除风险路径来防御，还引入了诱饵投放模型。算法通过最小化最短路径数量和最大化攻击者响应时间，优化了防御资源的分配。尽管这些问题的计算复杂度极高，但作者通过实用的图优化方法，实现了可落地的自动化加固工具。这对保护大型组织内网免受横向移动攻击至关重要。 [link]
推理加速技术也可能成为性能攻击的目标。本文揭示了 Speculative Decoding 的一种新型脆弱性。攻击者可以通过在提示词后添加对抗后缀，诱导草稿模型生成目标模型难以接受的 Token。这会导致验证环节频繁崩溃，强行将推理延迟提升 62%。这种攻击在不损坏输出质量的前提下，精准打击了推理服务的可用性。它提醒我们在部署无损加速方案时，必须考虑针对推理效率的对抗防御。 [link]
DeFi 协议的安全性关乎巨额资金。现有的检测工具往往只能针对特定的已知漏洞。DeFiScreener 利用 LLM 的语义理解能力，从海量历史案例中提取攻击模式。它将函数意图与代码结构结合，通过高效的蒙特卡洛树搜索，在复杂的调用链路中精准定位潜在风险。该系统在 207 个真实攻击事件中达到了 98% 的召回率。它是审计复杂 DeFi 合约、预防新型黑客攻击的高效筛选工具。 [link]
算力霸权让小型机构难以负担昂贵的 GPU 集群。该项目利用 Intel TDX 和 NVIDIA 秘密计算技术，构建了去中心化的机密虚拟机平台。它实现了数据在静态、传输及运算过程中的全链路加密。通过将独立节点的算力安全地聚合在一起，研究者能以更低的成本获得企业级的安全保障。这为去中心化 AI 训练和推理提供了可信的硬件底座，打破了云巨头对算力市场和安全标准的双重垄断。 [link]
工业健康管理面临多源异构数据的挑战。Industrial Tokenization 提出一种创新的语义接口方案。它将传感器监测、维护记录及物理模型输出转化为结构化的工业证据单元。每个 Token 包含时间范围、工况语义、可信度及来源信息。该框架采用联邦架构，允许各子系统独立运作并向推理层暴露标准信号。这种方式避开了原始序列数据的复杂编码。通过在多相流设施上的验证，LLM 成功实现了可解释的跨源故障诊断。它为复杂工业系统的智能监控提供了工程标准。 [link]
长记忆 Agent 在检索时频繁触发 KV 状态全量重编码。这导致预填充延迟成为系统瓶颈。AgentKVShift 引入一种无需训练的 KV 残差修正技术。它发现内存单元的重用偏差由全局偏移和局部波动组成。通过微小探测集估计偏移后，系统能以极低成本修正全部 Token。在 A100 上实现最高 3.5 倍的加速。该方案能与 KV 量化正交组合。在长程对话基准测试中，它仅需刷新 10% 的缓存即可达到全量计算的性能。这为构建毫秒级响应的大规模记忆 Agent 扫清了障碍。 [link]
移动端 GPU 显存限制阻碍了手机端模型微调。FBLayout 从底层显存布局入手解决了这一难题。它引入 R-Tile 布局来统一正向与反向传播中的多维规约。配合切片索引转换技术，系统彻底消除了冗余的物理数据移动。在主流手机 GPU 上的测试显示，该框架比 MNN 和 TVM 加速了 2.2 到 5.7 倍。它显著提升了缓存命中率并降低了显存占用。这种深度耦合硬件特性的优化，让隐私安全的本地个性化训练从实验室走向实际应用。它是端侧 AI 架构的重要突破。 [link]
多模态模型正面临意图跨模态分布的新型攻击。FlowGuard 提出基于内部信息分解的轻量级防御机制。它通过监测跨模态一致性信号来识别危险输入。该框架利用偏信息分解生成的流向量量化冗余与协同。当融合预测与语义证据出现背离时，检测器会立即发出预警。在保持高性能的同时，它将隐藏攻击的成功率从 90% 降至 15% 以下。推理延迟降低了 6 倍。这种不依赖标量置信度的方案，为多模态推理任务提供了更本质的安全保障。 [link]
LoRA 虽是参数高效微调的标配，但在复杂决策场景中却表现不佳。研究表明程序性知识并非低秩分布。LoRA 在处理具有分支逻辑的多步任务时，其表现显著弱于全量微调。SVD 分析显示这类任务的权重更新秩通常超过 700。LoRA 常用秩仅能捕获不到一半的关键特征。即便将秩提升数倍也无法弥合差距。这一发现对 Agent 开发者具有重要警示意义。在构建保险理赔或技术支持等高复杂度 Agent 时，开发者应重新评估微调策略以保证决策的逻辑严密性。 [link]
异步强化学习通过并行生成轨迹加速模型后训练，但 stale 数据常引发模型崩溃。ESTR 框架揭示了 Token 熵值与离策比例之间的缩放规律。在低熵区域，训练差异会被采样噪声剧烈放大。高熵区域则需要保留合理的探索偏差。ESTR 根据局部熵动态调整信任域。它无需额外前向传播即可维持训练稳定性。在 Agent 和数学基准测试中，ESTR 在保持高准确度的前提下，将训练速度提升 2.6 倍。该算法在大规模模型对齐工程中具有极高的实用价值。 [link]
生成式世界模型在模拟推演中常因状态重构失败而出现误差。PCS 引入了持久化计算状态的概念。它定义了跨请求必须生存的最小非重构内核。通过构建以 Session 为中心的运行时，PCS 实现了毫秒级的快照备份与还原。这种机制允许规划器自由分支未来的可能性并随时回溯。所有回溯后的延续结果均能保持字节级的一致。实验显示，世界模型的内存管理应依据回溯关联性而非时序。这一架构彻底释放了生成式模型作为物理一致模拟器的潜力。 [link]
现有的 Agent 在部署后往往因模型冻结而停止学习。通过外部记忆库，冻结权重的 Agent 也能实现持续进化。该系统利用部署过程中的成功反馈和错误修正，自动提炼自然语言规则。它将这些规则存储在外部检索空间。在银行领域测试中，仅依靠纠错信号就将任务成功率提升至 2.6 倍。即使不更新模型参数，Agent 也能通过积累经验解决从未见过的复杂任务。这种知识库在不同模型间具有通用性。这为构建长效运行且自主优化的生产级系统提供了可行路径。 [link]
FlowEvo 建立了一套工作流与技能共同进化的自演化架构。它将成功的执行轨迹编译为可重复调用的技能记录。每条记录包含可执行构件与结构化引导。在推理时，系统会根据任务动态检索技能库。FlowEvo 通过监控下游效用来剔除产生负迁移的低质量技能。在 ALFWorld 基准测试中，它的成功率比强基准线高出 23.6 个百分点。平均 Token 使用量减少了一半以上。这种无需更新模型参数的演化闭环，极大地提升了 Agent 在交互式环境中的资源效率和任务上限。 [link]
工业根因分析需要极高的可解释性，AgentRCA 提出了一种零样本代理推理框架。它将数据驱动的数字孪生模型与工具增强的 LLM 结合。系统无需故障标注数据，而是通过推理时间内的动态分析进行诊断。代理会迭代收集统计证据，并对比多个潜在假设。最终识别出最能解释异常行为的物理故障。它在大型化工厂数据上展现了比肩监督学习的准确性。其透明的推理迹象将症状与物理原因直接关联。这为安全关键型行业的智能运维提供了标准化工具。 [link]
Coca-Cola 公司证实黑客在本月早些时候的一场勒索软件攻击中，从其乳制品子公司 Fairlife 窃取了数据。 [link]
ShinyHunters 勒索团伙声称对近期披露的 Ernst & Young 数据泄露事件负责。该团伙表示通过供应链攻击获取了该公司部分系统的凭据。 [link]
Shadow AI 代理正在企业平台中快速蔓延，通常处于 IT 或安全部门的视线之外。Nudge Security 解释了组织应如何在不受管的权限和自主行为产生安全风险前，发现、评估并治理 AI 代理。 [link]
苹果公司正面临三名人士的起诉。原告声称在 App Store 下载并使用一款虚假的 Sparrow Wallet 应用后，价值约 180 万美元的 Bitcoin 被盗。 [link]
一个名为 Dysphoria 的僵尸网络已在全球感染约 200,000 台设备。攻击者正利用这些设备进行 DDoS 攻击和流量中继操作。 [link]
针对 Windows Active Directory Certificate Services 漏洞 Certighost 的 PoC 利用程序已经发布。该漏洞允许已认证的攻击者潜在地劫持 Windows 域。 [link]
Arista 修复了本地部署版 VeloCloud Orchestrator 中的一个最高严重级别命令注入漏洞。该漏洞正处于被积极利用的状态。 [link]