ZONE.CI 全球网

本文宣布RecStruct论文被USENIXSecurity'26接收，聚焦于从剥离符号的二进制文件中恢复嵌套结构体类型。现有方法存在依赖重量级反编译器或计算成本过高的问题。RecStruct框架通过直接提升二进制中间表示、流不敏感符号执行及创新的栈驱动合一算法，高效重建嵌套结构体。实验表明，该框架在精度对标现有工具的同时，大幅提升了效率与可扩展性，能处理以往难以分析的大型二进制文件。

南理工网安学院论文入选USENIXSecurity2026。该研究针对可搜索对称加密极低泄露率隐患提出Whisper攻击框架，通过融合匈牙利算法与大语言模型语义先验，在低于1%泄露率下将查询恢复率提升两倍以上且能绕过典型防御，为隐私保护系统安全建设提供重要参考。

USENIXSecurity2026Cycle1论文清单涵盖10篇安全研究，包括IoT固件污点分析验证框架Bond、高效隐私聚合系统Heli、临床医生安全认知研究、现代远程访问协议Hop、差分隐私优化方法、LLM分词器成员推理攻击、越狱机制解释框架JailbreakScope、模仿式成员推理攻击IMIA、可扩展恶意安全MPC框架SMASH等，涉及漏洞分析、隐私保护、AI安全、密码学等多个前沿方向。

本文汇总USENIXSecurity2026下半区论文摘要，核心聚焦AI安全与数据隐私。关键发现涵盖针对微调大模型的局部窗口成员推断攻击、AI智能体攻防知识体系化梳理、本地研究智能体的网络级提示泄露，以及知识稀释净化后门大模型。此外还涉及5G基带语义漏洞、控制系统物理触发后门、隐私保护代码生成、分布式差分隐私合成、机密SBOM交换及低内存SNARKs等前沿成果。建议安全团队重点关注AIAgent安全边界与隐私计算落地。

武汉大学博士生论文提出VOID主动防御框架，针对潜空间扩散模型被恶意用于克隆面部或艺术风格的问题，发现传统对抗扰动会被模型净化，进而提出语义破坏防御范式。该框架通过放大变分自编码器编码误差并中和恢复能力，从源头破坏图像语义结构，使侵权模仿退化为噪声，同时引入人类视觉系统掩码保障日常视觉质量。实验表明其在多数据集及攻击下优于现有方案，为防范生成式AI滥用提供新路线。

复旦大学与上海创智学院提出MATE系统，将自然语言安全规则作为显式条件，与任务指令和Agent执行轨迹共同输入审计模型，实现可解释的违规判断。MATE-3B在MATEBench上达到95%以上审计准确率，较现有方法平均提升约20%。该系统通过可编辑规则解耦安全定义，支持跨App泛化，为智能体安全审计提供了可复用的基础设施方案。

南理工网安学院论文入选USENIXSecurity2026。该研究针对可搜索对称加密极低泄露率隐患提出Whisper攻击框架，通过融合匈牙利算法与大语言模型语义先验，在低于1%泄露率下将查询恢复率提升两倍以上且能绕过典型防御，为隐私保护系统安全建设提供重要参考。

USENIXSecurity2026Cycle1论文清单涵盖10篇安全研究，包括IoT固件污点分析验证框架Bond、高效隐私聚合系统Heli、临床医生安全认知研究、现代远程访问协议Hop、差分隐私优化方法、LLM分词器成员推理攻击、越狱机制解释框架JailbreakScope、模仿式成员推理攻击IMIA、可扩展恶意安全MPC框架SMASH等，涉及漏洞分析、隐私保护、AI安全、密码学等多个前沿方向。

本文汇总USENIXSecurity2026下半区论文摘要，核心聚焦AI安全与数据隐私。关键发现涵盖针对微调大模型的局部窗口成员推断攻击、AI智能体攻防知识体系化梳理、本地研究智能体的网络级提示泄露，以及知识稀释净化后门大模型。此外还涉及5G基带语义漏洞、控制系统物理触发后门、隐私保护代码生成、分布式差分隐私合成、机密SBOM交换及低内存SNARKs等前沿成果。建议安全团队重点关注AIAgent安全边界与隐私计算落地。

武汉大学博士生论文提出VOID主动防御框架，针对潜空间扩散模型被恶意用于克隆面部或艺术风格的问题，发现传统对抗扰动会被模型净化，进而提出语义破坏防御范式。该框架通过放大变分自编码器编码误差并中和恢复能力，从源头破坏图像语义结构，使侵权模仿退化为噪声，同时引入人类视觉系统掩码保障日常视觉质量。实验表明其在多数据集及攻击下优于现有方案，为防范生成式AI滥用提供新路线。

本文宣布RecStruct论文被USENIXSecurity'26接收，聚焦于从剥离符号的二进制文件中恢复嵌套结构体类型。现有方法存在依赖重量级反编译器或计算成本过高的问题。RecStruct框架通过直接提升二进制中间表示、流不敏感符号执行及创新的栈驱动合一算法，高效重建嵌套结构体。实验表明，该框架在精度对标现有工具的同时，大幅提升了效率与可扩展性，能处理以往难以分析的大型二进制文件。

南理工网安学院论文入选USENIXSecurity2026。该研究针对可搜索对称加密极低泄露率隐患提出Whisper攻击框架，通过融合匈牙利算法与大语言模型语义先验，在低于1%泄露率下将查询恢复率提升两倍以上且能绕过典型防御，为隐私保护系统安全建设提供重要参考。

USENIXSecurity2026Cycle1论文清单涵盖10篇安全研究，包括IoT固件污点分析验证框架Bond、高效隐私聚合系统Heli、临床医生安全认知研究、现代远程访问协议Hop、差分隐私优化方法、LLM分词器成员推理攻击、越狱机制解释框架JailbreakScope、模仿式成员推理攻击IMIA、可扩展恶意安全MPC框架SMASH等，涉及漏洞分析、隐私保护、AI安全、密码学等多个前沿方向。

本文汇总USENIXSecurity2026下半区论文摘要，核心聚焦AI安全与数据隐私。关键发现涵盖针对微调大模型的局部窗口成员推断攻击、AI智能体攻防知识体系化梳理、本地研究智能体的网络级提示泄露，以及知识稀释净化后门大模型。此外还涉及5G基带语义漏洞、控制系统物理触发后门、隐私保护代码生成、分布式差分隐私合成、机密SBOM交换及低内存SNARKs等前沿成果。建议安全团队重点关注AIAgent安全边界与隐私计算落地。

武汉大学博士生论文提出VOID主动防御框架，针对潜空间扩散模型被恶意用于克隆面部或艺术风格的问题，发现传统对抗扰动会被模型净化，进而提出语义破坏防御范式。该框架通过放大变分自编码器编码误差并中和恢复能力，从源头破坏图像语义结构，使侵权模仿退化为噪声，同时引入人类视觉系统掩码保障日常视觉质量。实验表明其在多数据集及攻击下优于现有方案，为防范生成式AI滥用提供新路线。

本文宣布RecStruct论文被USENIXSecurity'26接收，聚焦于从剥离符号的二进制文件中恢复嵌套结构体类型。现有方法存在依赖重量级反编译器或计算成本过高的问题。RecStruct框架通过直接提升二进制中间表示、流不敏感符号执行及创新的栈驱动合一算法，高效重建嵌套结构体。实验表明，该框架在精度对标现有工具的同时，大幅提升了效率与可扩展性，能处理以往难以分析的大型二进制文件。

南理工网安学院论文入选USENIXSecurity2026。该研究针对可搜索对称加密极低泄露率隐患提出Whisper攻击框架，通过融合匈牙利算法与大语言模型语义先验，在低于1%泄露率下将查询恢复率提升两倍以上且能绕过典型防御，为隐私保护系统安全建设提供重要参考。

USENIXSecurity2026Cycle1论文清单涵盖10篇安全研究，包括IoT固件污点分析验证框架Bond、高效隐私聚合系统Heli、临床医生安全认知研究、现代远程访问协议Hop、差分隐私优化方法、LLM分词器成员推理攻击、越狱机制解释框架JailbreakScope、模仿式成员推理攻击IMIA、可扩展恶意安全MPC框架SMASH等，涉及漏洞分析、隐私保护、AI安全、密码学等多个前沿方向。

本文汇总USENIXSecurity2026下半区论文摘要，核心聚焦AI安全与数据隐私。关键发现涵盖针对微调大模型的局部窗口成员推断攻击、AI智能体攻防知识体系化梳理、本地研究智能体的网络级提示泄露，以及知识稀释净化后门大模型。此外还涉及5G基带语义漏洞、控制系统物理触发后门、隐私保护代码生成、分布式差分隐私合成、机密SBOM交换及低内存SNARKs等前沿成果。建议安全团队重点关注AIAgent安全边界与隐私计算落地。

武汉大学博士生论文提出VOID主动防御框架，针对潜空间扩散模型被恶意用于克隆面部或艺术风格的问题，发现传统对抗扰动会被模型净化，进而提出语义破坏防御范式。该框架通过放大变分自编码器编码误差并中和恢复能力，从源头破坏图像语义结构，使侵权模仿退化为噪声，同时引入人类视觉系统掩码保障日常视觉质量。实验表明其在多数据集及攻击下优于现有方案，为防范生成式AI滥用提供新路线。

南理工网安学院论文入选USENIXSecurity2026。该研究针对可搜索对称加密极低泄露率隐患提出Whisper攻击框架，通过融合匈牙利算法与大语言模型语义先验，在低于1%泄露率下将查询恢复率提升两倍以上且能绕过典型防御，为隐私保护系统安全建设提供重要参考。

USENIXSecurity2026Cycle1论文清单涵盖10篇安全研究，包括IoT固件污点分析验证框架Bond、高效隐私聚合系统Heli、临床医生安全认知研究、现代远程访问协议Hop、差分隐私优化方法、LLM分词器成员推理攻击、越狱机制解释框架JailbreakScope、模仿式成员推理攻击IMIA、可扩展恶意安全MPC框架SMASH等，涉及漏洞分析、隐私保护、AI安全、密码学等多个前沿方向。

本文汇总USENIXSecurity2026下半区论文摘要，核心聚焦AI安全与数据隐私。关键发现涵盖针对微调大模型的局部窗口成员推断攻击、AI智能体攻防知识体系化梳理、本地研究智能体的网络级提示泄露，以及知识稀释净化后门大模型。此外还涉及5G基带语义漏洞、控制系统物理触发后门、隐私保护代码生成、分布式差分隐私合成、机密SBOM交换及低内存SNARKs等前沿成果。建议安全团队重点关注AIAgent安全边界与隐私计算落地。

武汉大学博士生论文提出VOID主动防御框架，针对潜空间扩散模型被恶意用于克隆面部或艺术风格的问题，发现传统对抗扰动会被模型净化，进而提出语义破坏防御范式。该框架通过放大变分自编码器编码误差并中和恢复能力，从源头破坏图像语义结构，使侵权模仿退化为噪声，同时引入人类视觉系统掩码保障日常视觉质量。实验表明其在多数据集及攻击下优于现有方案，为防范生成式AI滥用提供新路线。

武汉大学博士生论文提出VOID主动防御框架，针对潜空间扩散模型被恶意用于克隆面部或艺术风格的问题，发现传统对抗扰动会被模型净化，进而提出语义破坏防御范式。该框架通过放大变分自编码器编码误差并中和恢复能力，从源头破坏图像语义结构，使侵权模仿退化为噪声，同时引入人类视觉系统掩码保障日常视觉质量。实验表明其在多数据集及攻击下优于现有方案，为防范生成式AI滥用提供新路线。