2026/8/28 · CyberRadar
Edge AI 芯片正在面临前所未有的物理侧信道威胁。研究者利用激光电压成像技术，成功从 FPGA 加速器中提取了 LLM 权重与中间状态。这种攻击绕过了传统的软件防护，通过探测内存与计算电路直接获取数据。即便部分数据丢失，该方法仍能实现高精度的资产恢复。这项工作为边缘侧人工智能硬件的安全设计敲响了警钟，揭示了模型参数在推理阶段面临的泄露风险。 [link]
现在的大模型智能体在调用外部工具时，经常会过度分享隐私数据。即便有明确指令，仍有高达 80% 的调用包含了不必要的敏感信息。ToolMinimize 作为一种高效中间件，通过模式感知与重写策略，将隐私泄露降低了 90% 以上。它仅需 1.77 毫秒的延迟，就能确保智能体只传递执行任务所必需的最小数据集。这为智能体大规模进入第三方服务生态提供了坚实的隐私屏障。 [link]
在共享算力的 LLM 推理架构中，保护用户隐私是一项艰巨挑战。GIFT 引入了 GPU 信息流跟踪机制，在不改变原有框架逻辑的前提下实现了用户数据的严格隔离。它巧妙地利用加密技术处理 CPU 端的数据调度，并对 GPU 内核进行静态流分析。在 vLLM 等主流框架上的实验显示，GIFT 仅增加了不到 11% 的吞吐开销。这让不可信的云服务商环境也能安全地处理海量敏感数据。 [link]
确认二进制程序是否已迁移到后量子加密算法变得至关重要。Kestrel 专门针对被剥离符号表的二进制文件，通过检测数论变换常数表来识别 ML-KEM 等算法。即使编译器进行了混淆处理，它依然能在数千个程序中精准定位 PQC 代码。这为软件供应链审计与数字取证提供了强大武器。它是目前唯一能从删除文件的残留数据中恢复加密特征的静态分析工具，极大提升了迁移验证的可靠性。 [link]
内存控制器端的 Rowhammer 防御正面临安全与效率的博弈。微软 Azure 部署的 Sigries 方案被发现存在严重的转换期漏洞，攻击者仅需 1 秒即可触发崩溃。FiRM 提出了一种过滤式防御机制，通过协同设计跟踪与采样模式，彻底消除了状态切换时的攻击盲点。它用简单的 SRAM 滤波器取代了复杂的存储结构，在保证硬件安全的同时实现了极低的性能损耗。这是对现代数据中心内存安全的重大修正。 [link]
传统的大模型安全防御往往只看单次输出，难以识破分布在多个回合中的恶意行为。ReDiR 创新地将历史轨迹压缩为潜在安全表示，并将其注入冻结的基础模型中。这种机制让模型在生成动作时具备了全局安全视野，能够识别看似无害实则危险的连环请求。该方案在多个基准测试中将攻击成功率降至 8% 以下，且计算开销极低。它为构建具备长程防护能力的 AI 助手指明了方向。 [link]
能够自我进化的代码智能体可能成为恶意程序的温床。EvoMal 揭示了一种新型攻击：黑客将恶意技能伪装成模板存入库中，诱导智能体在学习过程中自我中毒。这种攻击会像蠕虫一样在库中自我传播，即便删除原始恶意文件，智能体生成的副本依然具有破坏力。实验显示部分模型的中毒率高达 40% 以上。这一发现迫使我们必须重新审视 AI 闭环开发过程中的信任机制，防止代码生态系统被污染。 [link]
现有的自动代码审查工具往往只是因为无关问题拦截了请求，而非真正识破了安全漏洞。这种判定与诊断的断层给开发者留下了虚假的安全感。PRGuard 通过确定性验证工具与有界检索技术，能够精准定位漏洞的前提条件并给出解释。在真实项目的对抗测试中，它识别漏洞的能力远超常见的商业产品。它不仅是一个看门人，更是一位能给出可追溯诊断报告的安全专家，有效提升了软件供应链的安全性。 [link]
借鉴 Linux 内核的经典安全架构，LMSM 为 LLM 推理服务构建了一套解耦的防御框架。它将安全证据的提取、规则评估与输出拦截彻底分开，使得 interpretability 研究成果能够直接转化为运行时的强制策略。在 Qwen3 上的测试表明，LMSM 成功将攻击成功率从 39% 压制到 3% 左右，且几乎不影响推理吞吐量。它为多变的安全规则与高性能的模型服务之间搭建了一座标准的沟通桥梁。 [link]
给编程助手打安全补丁通常需要昂贵的微调，SkillShield 则通过系统提示词实现了即插即用的防御植入。它在离线状态下从已知攻击案例中合成安全技能，并在会话开始时注入上下文。这种防御方式不需要额外的分类器，却能达到与 Llama Guard 3 相当的防护效果。在面对复杂的恶意软件生成请求时，它表现出了极强的韧性，且误报率极低。它为 API 调用者提供了一种低成本且极其有效的安全增强方案。 [link]
MoE 架构虽然高效，却潜藏着巨大的安全漏洞。 GBFA 攻击通过翻转路由层中极少数的位，就能诱发模型进入无限生成循环。这种拒绝钱包攻击不仅会迅速耗尽用户的 Token 配额，还能在保持语义基本正常的掩护下导致服务瘫痪。研究表明，仅需修改不到 4 个专家节点的权重位，就能让输出膨胀近 60 倍。这是对大模型基础设施安全性的重要警示，为未来硬件级的模型保护提供了关键的对抗样本和防御思路。 [link]
构建 Graph RAG 系统通常需要维护向量库、图数据库和文档库，这导致工程复杂度极高且难以保持一致性。 post-graph-rag 直接在 PostgreSQL 中实现了原生图检索增强生成引擎。它利用 pgvector 处理向量搜索，并通过关系表实现图遍历，彻底消除了跨库同步的开销。该引擎还引入了时效性层，能根据文档顺序自动覆盖过期事实，解决了知识库陈旧的问题。这种高度集成的工程实现极大地降低了工业级知识管理系统的部署门槛。 [link]
在电商平台处理数以亿计的商品记录时，如何高效准确地将商家条目映射到标准类目是核心难题。研究人员提出了一种 Retrieve-Match-Escalate 级联架构，根据匹配难度动态分配算力。系统先用轻量级 Cross-Encoder 处理大部分高置信度场景，再将复杂任务交给具备网络搜索能力的 Agent 级多模态模型。这种分层处理方式将单位成本降低至原先的七分之一，同时大幅提升了召回率。这种兼顾经济性与精确性的工程方案，对大规模工业实体对齐任务具有极高的参考价值。 [link]
大模型生成 JSON 或表格时经常出现结构崩溃或数值填错位置，这限制了它们在自动化流水线中的应用。 SCD 框架通过解耦结构保真度与内容准确度，揭示了模型在复杂度提升时倾向于依赖语义捷径而非拓扑理解的缺陷。基于此发现，研究者利用 GRPO 算法将结构感知指标转化为强化学习的奖励函数，使模型在未知 Schema 上的位置准确率从 26% 提升至 63%。该研究为提升 Agent 结构化输出的可靠性提供了可落地的工程路径。 [link]
Agent 频繁误用工具会带来高昂成本，而漏用则会导致回答错误。 Steering-Tool-Use-Propensity 提供了一种无需训练且不改变 Prompt 的干预方法。研究者发现大模型内部残差流中存在控制工具调用倾向的线性方向。通过在推理阶段调节该方向的强度，用户可以像拨动旋钮一样精准控制模型是保守应答还是积极调用外部工具。这种推理侧干预技术在 dense、 MoE 以及多模态架构上均表现出极强的泛化性，是提升生产环境 Agent 可控性的低成本利器。 [link]
多 Agent 协作工作流在 GPU 内存管理上面临严峻挑战：缓存长的系统提示词能加速推理，却会挤占并发请求的显存空间。 TOPAS 调度器通过建模任务的长程服务路径，在 KV Cache 留存与请求调度之间取得了最优平衡。它不仅考虑了当前的缓存命中率，还前瞻性地评估了后续步骤的重用价值。实验显示，在 MetaGPT 等真实软件开发流中，该方案将任务平均完成时间缩短了约 22%。这种面向任务目标的系统级优化方案对构建高吞吐 Agent 集群至关重要。 [link]
长程推理任务往往受限于注意力机制的全量显存消耗。 Prefix Sliding 算法基于一个关键发现：随着推理深入，中间产生的大部分 Token 的重要性会迅速衰减。该技术通过维持一个滑动窗口，仅保留初始指令和最近的推理片段，从而在内存需求恒定的前提下支持极长路径的推理。在不进行任何重训的情况下，该方案能将现有模型速度提升 3 倍。结合强化学习，它能让模型探索超过十万 Token 的超长推理链，打破了复杂逻辑推演的计算瓶颈。 [link]
当 Agent 具备操作资金或物理设备的能力时，安全风险呈指数级上升。 Edge Skillguard 针对借用权限攻击提出了一种强类型权限层。传统的 Markdown 或脚本格式难以有效拒绝越权请求，而该方案将验证逻辑直接打包进 Skill 构件中，要求行为必须基于可机器校验的环境证据而非对等 Agent 的声称。在边缘计算测试床上，它成功拦截了所有恶意权限请求且未影响正常操作。这为构建安全可信的具身智能 Agent 和工业自动化系统提供了严密的防护框架。 [link]
大模型撰写统计报告时，常因采样随机性导致数值漂移或结论反转，这对科研严肃性构成了威胁。 Provenance-Before-Prose 协议通过在生成散文之前锁定证据来源和数值强度，将统计报告转化为受控的填充过程。实验表明，即便是在复杂的 fMRI 功能连接分析中，该方法也将结果的重现性提升了 30 点以上。这套方案不仅大幅降低了幻觉风险，还显著减少了 Token 消耗和延迟。对于需要处理敏感数据的金融或医疗行业而言，这种确定的生成流程具有极强的实践意义。 [link]
应对粮食安全、灾害风险等全球性挑战需要极高精度的地理建模，但数据割裂和模型选型极大增加了开发难度。 PPE 引擎将这一全流程自动化，能直接根据自然语言指令从数据港与地球引擎中检索时空变量。它利用 PDFM 等地理基础模型生成的 Embedding 结合自动优化的架构，在 CDC 健康指标、 FEMA 风险指数等 21 项任务上均显著超越了专家手动调优的模型。这种将基础模型能力注入行星级科学分析的思路，为非技术专家解决复杂的环境与社会预测问题提供了强大工具。 [link]
微软已开始推出针对已知问题的永久修复程序。该问题曾导致 Windows 11 设备出现系统崩溃和游戏运行异常。 [link]
Google Workspace 入侵通常起源于社会工程学或被遗忘的第三方集成，这有别于复杂的漏洞利用。本次研讨会将深入分析真实入侵案例，探讨在关键的前几小时内发生了什么，以及哪些安全控制手段最有效。 [link]
根据数据泄露通知服务 Have I Been Pwned 的消息，ShinyHunters 勒索组织发布了从服装零售巨头 Carhartt 窃取的近 1300 万个账户的敏感数据。此次窃取事件发生于本月初。 [link]
CISA 已命令美国政府机构在周六前为其 Citrix NetScaler 设备打好补丁。该操作旨在应对一个正被积极利用的远程代码执行漏洞。 [link]
负责执行美国枪支和爆炸物联邦法律的监管机构 ATF 证实，在 Qilin 勒索软件团伙声称实施了入侵后，其内部的一个系统已被攻破。 [link]
关于 7 月 Hugging Face 攻击事件的新细节显示，数百个由 OpenAI 内部 IM1 模型驱动的 AI agent 通过一个未经授权的留言板协同完成了入侵。 [link]
PaperCut 警告称，黑客正在零日攻击中积极利用其 PaperCut NG 和 PaperCut MF 打印管理软件所有版本中的一个漏洞。 [link]
曼彻斯特机场集团披露，黑客入侵了其系统并窃取了客户数据。泄露的信息包括曼彻斯特、斯坦斯特德和东米德兰兹机场的 Wi-Fi 注册数据。 [link]
威胁研究让安全团队深入了解攻击者的运作方式，而 MDR 则将这些情报转化为更快速的检测和响应。ESET 解释了结合威胁情报、持续监控和专家经验如何帮助中小企业加强防御。 [link]
Google 正在 Android 17 中引入新的网络安全保护措施。这些措施旨在加强连接隐私，解决蜂窝网络漏洞并保护用户家庭网络隐私。 [link]
澳大利亚当局逮捕并起诉了两名年轻人。他们被指控是 TeamPCP 黑客组织成员，该组织与一系列影响深远的开发者供应链攻击有关。 [link]