292 篇论文
FlexServe 是一种专为移动设备设计的快速安全 LLM 服务系统，通过引入灵活的资源隔离机制（Flex-Mem 和 Flex-NPU）实现内存与 NPU 在保护模式与未保护模式间的高效切换，并结合 LLM 感知的内存管理、安全推理流水线及多模型调度器，在 ARM TrustZone 环境下显著提升了推理速度与多模型工作流的执行效率。
本文提出了 AgenticCyOps 框架，通过系统性分解多智能体系统的攻击面、确立工具编排与内存管理为核心信任边界，并制定五项防御原则，为符合主流合规标准的 enterprise 级安全运营中心（SOC）工作流提供了纵深防御架构，显著降低了可被利用的信任边界。
该论文提出了一种新的-差分隐私算法，通过引入基于频繁前后缀结构的候选生成策略和基于频率关系的剪枝技术，在保持近最优误差的同时，将频繁子串挖掘的空间和时间复杂度从之前的显著降低至和，从而实现了可扩展的隐私保护子串挖掘。
该论文将 Desfontaines 等人提出的单分区最优差分隐私算法推广至黎曼差分隐私（RDP）框架，针对多分区场景提出了基于有界加权的改进机制，显著提升了现有分区选择算法的性能，并揭示了在同时释放分区及其频率时加性噪声与非加性噪声机制之间存在固有的数值差距。
ZipPIR 是一种无需客户端存储即可实现高吞吐量（超过 2 GB/s）的单服务器私有信息检索协议，它通过将 LWE 密文压缩为 Paillier 密文并利用几乎静默的离线阶段生成提示，在保持可扩展性的同时解决了现有方案在动态数据库和资源受限客户端场景下的局限性。
该论文提出了名为"Reasoning-Oriented Programming"的新型攻击范式，通过构建框架\tool{}将语义正交的良性视觉组件编排为“语义小工具”，利用大视觉语言模型在后期推理阶段的逻辑合成漏洞来绕过感知层面的安全对齐，从而在多个基准测试中显著优于现有基线并成功诱导模型生成有害内容。
本文提出了一种基于 RISC-V 可信执行环境（TEE）的外部熵供应方案，通过建立受信任的服务器为资源受限的物联网设备提供加密级随机数，从而解决其熵源不足的安全难题。
该研究通过部署涵盖各类非法主题的蜜罐洋葱网站并监测其引流效果，发现人类用户主要源自 Ahmia 搜索引擎，且儿童性虐待（CSAM）主题的站点互动率显著高于其他类别，同时英语版本比多语言版本更受青睐。
本文提出了一种基于潜在空间迭代优化的鲁棒且可证明安全的图像隐写框架，该方法通过接收端迭代优化潜在变量来显著提升消息提取在压缩等处理下的准确率，同时保持可证明安全性并具备作为独立模块增强其他方案的通用性。
该论文提出了一种结合差分隐私的零阶优化框架，将数据集压缩技术扩展至决策树和 Cox 回归等非可微临床模型，从而在保护患者隐私的同时实现了模型无关的临床数据共享。
本文提出了 ProvAgent 框架，通过结合传统模型的高效初筛、基于图对比学习的细粒度身份 - 行为一致性绑定以及多智能体协作的自主调查机制，有效解决了高级持续性威胁（APT）检测中专家依赖与警报疲劳的矛盾，实现了低成本、高精度的攻击过程重构。
该论文证明，仅依赖“切割与选择”（cut-and-choose）技术无法同时实现既安全又高效的验证委托量子计算，必须结合其他技术才能达成目标。
该论文提出了名为 PixelConfig 的差分分析框架，通过逆向工程揭示了 Meta Pixel 在健康类网站等场景中默认启用高比例的活动与身份追踪功能，且即便启用了限制追踪的配置，其实际保护效果也极为有限。
该论文指出 WebAssembly 模块中的二进制漏洞（如缓冲区溢出）可能破坏 Web 应用的安全机制并引发 SQL 注入等 Web 安全威胁，同时提供了相应的缓解策略与最佳实践。
本文针对现有基准在评估大语言模型自动化网络安全威胁情报（CTI）研究能力方面的不足，提出了基于真实专家工作流和分析师中心指标的"CyberThreat-Eval"基准，揭示了当前模型在处理复杂细节和区分信息真伪方面的局限性，并展示了结合外部知识库与人类反馈的改进方案。
ShapeMark 提出了一种通过结构化噪声模式编码水印位并引入随机化设计来平衡鲁棒性与多样性的扩散模型水印方法，从而在保持生成质量的同时实现了在多种有损场景下的卓越鲁棒性。
本文提出了一种专为解决跨隔离区接口漏洞而设计的自动化程序修复框架，该框架通过结合专用模糊测试、弥补大语言模型隔离区感知不足的补丁生成技术以及补丁验证机制，有效提升了修复此类安全漏洞的自动化水平。
本文提出了名为 MASSE 的动态多客户端可搜索对称加密方案，该方案通过引入属性基访问控制扩展了 OXT 框架，在无需重加密数据库或进行大量交互的情况下，实现了支持细粒度授权、动态更新与撤销、且具备前后向隐私保护的高效安全搜索。
该论文提出了随机化分布式函数计算（RDFC）框架，将其作为一种语义通信范式，证明了在无需共享随机性的情况下即可实现本地差分隐私，并揭示了共享随机性可显著降低通信速率，使其成为隐私感知分布式系统的高效策略。
本文通过博弈论建模，针对具有隐蔽性和多阶段特征的高级持续性威胁（APT），在攻击者拥有完全信息、完全盲视及概率信念三种不同信息情境下，研究了防御者在随机部署检测传感器以应对马尔可夫决策过程（MDP）驱动的攻击者时的最优防御策略。