🔒 技术风向标

核心价值:抢先3-5天,发现最近24~48小时新增的安全工具和威胁情报,为安全决策提供战略先机

今日看点: 1、PWNCUBE v1.0:基于立方体卫星硬件的航空航天网络安全研究平台; 2、rust-security:Jeresoft Academy提供的Rust语言防御性安全课程; 3、HackDev-PhishGuard:使用启发式和机器学习检测钓鱼URL的工具; 4、包括4个项目,覆盖网络安全研究和工具开发

1
PWNCUBE
⭐ 4 C 🕐 23小时前更新
PWNCUBE v1.0 是一个基于立方体卫星硬件的平台,用于航空航天网络安全研究。
2
rust-security
⭐ 3 Rust 🕐 1天前更新
Jeresoft Academy 关于 Rust 防御性安全的课程:威胁、加固、分析和道德实验室。
3
HackDev-PhishGuard
⭐ 2 Python 🕐 1天前更新
启发式和机器学习钓鱼 URL 检测器。
4
HackDev-DirBuster
⭐ 2 Python 🕐 1天前更新
并发目录和文件暴力破解器,具有智能状态码过滤。
5
HackDev-CVEWatch
⭐ 2 Python 🕐 1天前更新
CVE 订阅监控器,具有关键词/供应商/严重性过滤和新 CVE 警报。
6
HackDev-PortScanner
⭐ 2 Python 🕐 1天前更新
异步 TCP/UDP 端口扫描器,带有横幅抓取和服务指纹识别。
7
HackDev-PassAudit
⭐ 2 Python 🕐 1天前更新
离线密码强度审计器、哈希类型识别器和基于字典的哈希破解器。
8
HackDev-NetSniff
⭐ 2 Python 🕐 1天前更新
实时数据包嗅探器和流量分析器,具有协议分解和可疑模式检测。
9
HackDev-Vault
⭐ 2 Python 🕐 1天前更新
使用 AES-256-GCM 和 PBKDF2 密钥派生的加密 CLI 密码管理器。
10
HackDev-SubEnum
⭐ 2 Python 🕐 1天前更新
子域名枚举工具,结合被动 crt.sh 查找和主动 DNS 暴力破解。

🚀 最新10个AI安全项目

核心价值:按时间倒序,列举最新创建的AI安全项目,帮助读者系统性跟踪前沿技术趋势

今日看点: 1、awesome-ai-security-tools:精选AI安全和AI辅助网络安全工具列表; 2、www-project-llm-verification-standard:OWASP LLM安全验证标准; 3、awesome-gpt-security:精选LLM或GPT安全工具和实验案例列表; 4、共4个项目,涉及AI安全工具和标准制定

1
awesome-ai-security-tools
⭐ 934 Python 🔱 214 🕐 2个月前更新
一份精选的公开源代码、研究和商业工具列表,用于 AI 安全和 AI 辅助网络安全 — 自动分类、代理安全、AI/ML 供应链、渗透测试代理、AI SAST、LLM 驱动的模糊测试、威胁情报、SOC/SIEM 分类、逆向工程、LLM 红队等。
2
www-project-llm-verification-standard
⭐ 57 🔱 17 🕐 36个月前更新
OWASP LLM 安全验证标准。
3
awesome-gpt-security
⭐ 663 🔱 119 🕐 40个月前更新
一份精选的 LLM 或 GPT 的安全工具、实验案例或其他有趣事物的列表。
4
Academic_LLM_Sec_Papers
⭐ 226 🔱 14 🕐 28个月前更新
关于 LLM 在安全上应用的学术论文。
5
MCP-Security-Checklist
⭐ 836 🔱 73 🕐 15个月前更新
为 MCP 基础的 AI 工具提供的综合安全检查清单。由 SlowMist 构建,以保护 LLM 插件生态系统。
6
Awesome-LLMSecOps
⭐ 147 HTML 🔱 58 🕐 24个月前更新
LLM | 代理 | 安全 | 操作在一个 GitHub 存储库中,有良好的链接和图片。
7
gpt3_security_vulnerability_scanner
⭐ 602 PHP 🔱 103 🕐 42个月前更新
GPT-3 在这个存储库中发现了数百个安全漏洞 - (这是第一次真正的 LLM 网络安全评估!)
8
awesome-llm-security
⭐ 26 🔱 26 🕐 5个月前更新
精选的 LLM 安全工具、研究和文件。
9
raga-llm-hub
⭐ 114 Python 🔱 14 🕐 29个月前更新
LLM 评估、护栏和安全的框架。
10
awesome-cyber-ai-arsenal
⭐ 129 🔱 32 🕐 1周前更新
一份精选的攻击性、防御性和 AI/LLM 安全工具集合。

📦 全网最新AI安全开源组件TOP10

核心价值:获取全网最新AI安全开源组件包,涵盖多种编程语言和平台,建立全方位视角

今日看点: 1、adr-sensor:AI编码代理的安全可观测性ADR传感器; 2、aimonitoring-security:AI监控端点收集器及本地仪表板; 3、@ai-oauth-sdk/react-native:React Native/Expo适配器用于深度链接和安全令牌存储; 4、共4个项目,关注AI安全监控和认证

1
uber/ADR
👤 adr-sensor 📦 Pypi v1.0.0 ⭐ 22 Python 🔱 2
ADR 传感器 - 代理检测与响应:AI 编码代理的安全可观测性。
2
hawikk/ai-monitoring
👤 aimonitoring-security 📦 Pypi v0.1.1
AI 监控端点收集器 + 一个 `aim` CLI 背后的本地仪表板。
3
asdk-plugin-ai-platform
👤 asdk-plugin-ai-platform 📦 Pypi v0.0.1
安全占位符 - 防御性注册未认领名称,已报告给供应商。
4
themonk-dev/ai-oauth-sdk
👤 @ai-oauth-sdk/react-native 📦 NPM v0.2.0 ⭐ 1 TypeScript
React Native / Expo 适配器用于 ai-oauth-sdk:深度链接和认证会话接收器加上安全令牌存储。
5
nervosys/AIModelVault
👤 ai-model-vault 📦 Cargo v4.0.0 Rust
通用跨平台 XDG 兼容的安全库,用于 AI 模型格式(神经和神经符号)。
6
glassframe-protocol
👤 glassframe-protocol 📦 NPM v1.2.1
分层的自包含 Discord 安全引擎 - 反突袭、反核打击、基本安全和可选的 Groq 驱动的 AI 版主共享一个威胁评分和惩罚流程。仅限前缀命令,组件 V2 输出,无斜杠命令。
7
muneeb7860/agentic-redteam
👤 agentic-redteam 📦 Pypi v1.0.0 ⭐ 1 Python
前沿级 AI 代理红队和安全基准测试框架。
8
mlawsonking/MCP
👤 agent-guards 📦 NPM v0.2.0 JavaScript
用于 AI 代理的确定性本地安全引擎:提示注入和混淆扫描、秘密检测和涂黑、代码扫描、包声誉、电子邮件分析、支付筛选和一个 SSRF 安全的获取。
9
kossisoroyce/ares
👤 ares-agent 📦 Pypi v0.1.0 Python
Ares — 针对 Linux 的 AI 本地主机安全调查员:持续的 eBPF 遥测与逐分钟 AI 调查。
10
TestAutomationArchitect/TRUST
👤 trust-verify 📦 NPM v1.5.0 JavaScript
TRUST — 信任报告和统一安全测试。零依赖性安全验证,适用于 Web、API、存储、AI 代理和移动目标。

🏛️ 权威机构新发布

核心价值:安全权威机构和大厂的技术方向指引,质量保证,代表行业标准和最佳实践

今日看点: 1、heimdall-cli:Heimdall服务器的行政CLI工具; 2、dagger:Android和Java的快速依赖注入器; 3、metasploit-framework:知名的渗透测试框架; 4、4个项目,覆盖服务器管理、依赖注入和安全框架

🔥 今日必看(Top 3)

1
heimdall-cli 🔥新产品
🏢 MITRE 官方 | ⭐ 0 stars
💡 业务价值:
提供一站式服务器管理工具,高效掌握配置、监控和数据保护。适用于需要快速部署和维护服务器的企业环境。
Heimdall 服务器的行政 CLI — 设置、服务控制、备份/恢复、诊断和凭证管理。
2
dagger 💡功能增强
🔍 Google 官方 | ⭐ 17,707 stars
Android 和 Java 的快速依赖注入器。

💡 其他重要更新

🔒 安全工具

metasploit-framework - 最近更新 💡功能增强
⭐ 38,698 stars Metasploit Framework...

💡 其他

gvisor - 最近更新 💡功能增强
⭐ 18,937 stars 容器的应用内核。...
dagger - 最近更新 💡功能增强
⭐ 17,707 stars Android 和 Java 的快速依赖注入器。...
zaproxy - 最近更新 💡功能增强
⭐ 15,514 stars Checkmarx 核心项目的 ZAP。...
lynis - 最近更新 💡功能增强
⭐ 16,086 stars Lynis - Linux、macOS 和基于 UNIX 的系统的安全审计工具。协助合规性测试(HIPAA/ISO27001/PCI DSS)和系统加固。无需代理,安装可选。...

🤖 大模型安全工具集

核心价值:AI模型安全、对抗攻击、隐私保护、模型测评等前沿技术工具集合

今日看点: 1、offensive-ai-compilation:精选攻击性人工智能资源列表; 2、CyberStrike:AI增强型开源攻击性安全工具; 3、alpha-beta-CROWN:高效、可扩展的神经网络验证器; 4、共7个项目,关注大模型安全和攻击性AI工具

AI模型安全

1
offensive-ai-compilation
⭐ 1,400 HTML
一份精选的涵盖攻击性人工智能的有用资源列表。
2
CyberStrike
⭐ 1,400 TypeScript
开源的AI增强型攻击性安全工具。13+个自主代理,150+个大型语言模型(LLM)提供商,5300+个模型,7600+个Ed25519签名的攻击技能,56+个内置工具,176+个MCP工具。MITRE ATT&CK,OWASP WSTG,CIS基准。后期利用:Linux/Windows/macOS/AWS/Azure/K8s/CI-CD。Web UI + Cloudflare隧道。你的AI红队。
3
sast-skills
⭐ 1,200
一系列将你的AI编码器转变为SAST扫描器的代理技能。
4
aidefense-framework
⭐ 165 JavaScript
一个开源的知识库,包含保护AI/ML系统的防御性对策。特点是交互式视图和将防御措施映射到MITRE ATLAS、MAESTRO和OWASP等框架中已知威胁。

对抗攻击与防御

5
awesome-graph-attack-papers
⭐ 394
图神经网络上的对抗性攻击和防御。
6
alpha-beta-CROWN
⭐ 386 Python
alpha-beta-CROWN:一个高效、可扩展且GPU加速的神经网络验证器(VNN-COMP 2021, 2022, 2023, 2024, 2025年的获奖者)。
7
Adversarial_Examples_Papers
⭐ 373
关于对抗性学习的最近论文列表。
8
auto_LiRPA
⭐ 349 Python
auto_LiRPA:一个基于自动线性松弛的神经网络和通用计算图的扰动分析库。

AI隐私保护

9
federated-learning
⭐ 1,500 Python
联合学习的PyTorch实现。
10
Federated-Learning-PyTorch
⭐ 1,400 Python
从分散数据中高效学习深度网络的实现。
11
primihub
⭐ 1,400 C++
Privacy-Preserving Computing Platform 由密码学专家团队打造的开源隐私计算平台,支持多方安全计算、联邦学习、隐私求交、匿踪查询等。
12
MedMNIST
⭐ 1,400 Python
[pip install medmnist] 18x标准化数据集,用于2D和3D生物医学图像分类。

大模型安全

13
power-pwn
⭐ 1,200 Python
用于发现、侦察和对AI代理进行道德评估的攻击/防御安全工具集。
14
langkit
⭐ 994 Jupyter Notebook
🔍 LangKit:一个开源工具包,用于监控大型语言模型(LLMs)。📚 从提示和响应中提取信号,确保安全和保障。🛡️ 功能包括文本质量、相关性指标和情感分析。📊 一个全面的LLM可观测性工具。👀
15
medusa
⭐ 954 Python
AI优先的安全扫描器。2026.7版新功能:Claude代码泄露检测 —— 在克隆前审查.claude/钩子、权限和技能 —— 以及一个始终在线的AI攻击签名扫描器和原生Rust & PHP规则。还有:medusa scan --git审查任何仓库,medusa secrets扫描泄露的API密钥。40,000+模式,零设置。
16
gpt_jailbreak_status
⭐ 933 HTML
这个仓库旨在提供关于破解OpenAI GPT语言模型状态的更新。

AI安全工具

17
fixout
⭐ 4 Python
用于可信ML模型的算法检查。
18
STRprofiler
⭐ 4 HTML
一个Python包、命令行工具和Shiny应用程序,用于比较短串联重复(STR)档案。
19
moonsim
⭐ 4 MoonBit
一个用于MoonBit的确定性模拟和模型测试工具包,具有虚拟时间、种子随机性、追踪/重放、指标、场景和可重用的模型测试。
20
Artificial_Intelligence_Lab
⭐ 4 Jupyter Notebook
来源:topic_html

🚨 重大CVE和预警(最近48小时)

核心价值:捕捉最近48小时内重大CVE漏洞和POC,提供及时预警

今日看点: 1、CVE-2026-66066:文件读取和RCE漏洞的Python扫描器; 2、CVE-2026-43499:Linux内核漏洞解决; 3、CVE-2026-47668:rtmutex中remove_waiter()的安全问题; 4、48小时内4个CVE和预警,涉及文件读取、RCE和内核安全

1
CVE-2026-66066
Python 🕐 5小时前更新
+ 文件读取,RCE,扫描器,实验室
2
CVE-2026-43499
C 🕐 6小时前更新
在Linux内核中,已解决以下漏洞:
3
CVE-2026-47668
Python 🕐 7小时前更新
rtmutex:在remove_waiter()中使用waiter::task而不是current
4
CVE-2026-63563
Multiple 🕐 7小时前更新
remove_waiter()由slowlock路径使用,但它也是u...
5
CVE-2024-23897
⭐ 1 Multiple 🕐 9小时前更新
在DBGate <= 7.1.8中未经身份验证的RCE
6
CVE-2026-32286
Multiple 🕐 10小时前更新
DataRow.Decode 函数未能正确验证字段长度。恶意或被破坏的 PostgreSQL 服务器可以发送一个带有负字段长度的 DataRow 消息,导致切片边界溢出...

🔧 传统安全工具

核心价值:发现传统安全垂直场景的最佳安全工具和解决方案,聚焦实战价值

今日看点: 1、Penetration_Testing_POC:渗透测试相关的POC、EXP等资源; 2、traitor:自动提升Linux权限的工具; 3、nishang:红队、渗透测试的PowerShell工具集; 4、7个项目,覆盖渗透测试、权限提升和安全分析

CVE漏洞PoC工具

1
Penetration_Testing_POC
⭐ 7,400 HTML
渗透测试相关的POC、EXP、脚本、提权、小工具等---关于渗透测试python脚本poc getshell csrf xss cms php-getshell domainmod-xss csrf-webshell cobub-razor cve rce sql sql-poc poc-exp绕过oa-getshell cve-cms
2
traitor
⭐ 7,200 Go
⬆️ ☠️ 🔥 通过利用低挂果实自动提升Linux权限,例如gtfobins、pwnkit、dirty pipe、+w docker.sock
3
awesome-web-hacking
⭐ 7,200
一个关于Web应用程序安全的列表。
4
HowToHunt
⭐ 7,200
各种Web漏洞的方法论和测试用例集合。

红队攻击工具

5
nishang
⭐ 10,000 PowerShell
Nishang - 用于红队、渗透测试和攻击性安全的PowerShell。
6
Quasar
⭐ 9,900 C#
Windows的远程管理工具。
7
wstg
⭐ 9,600
Web安全测试指南是一个全面的开源指南,用于测试Web应用程序和Web服务的安全性。
8
RedTeam-Tools
⭐ 9,500
红队/渗透测试的工具和技术。

蓝队防御工具

9
ElectricEye
⭐ 1,000 Python
ElectricEye是一个多云、多SaaS Python CLI工具,用于资产管理、安全姿态管理和攻击面监控,支持数百种服务和评估,以加强您的CSP和SaaS环境,控制措施映射到20多个行业、监管和最佳实践控制框架。
10
opensquat
⭐ 979 Python
openSquat是一个开源工具,通过每天扫描新注册的域名,检测冒充您品牌的相似域名。
11
awesome-cybersecurity-blueteam-cn
⭐ 967 HTML
网络安全 · 攻防对抗 · 蓝队清单,中文版
12
Awesome-Blackhat-Tools
⭐ 936
一个在Black Hat活动中官方展示的工具精选列表。

威胁狩猎框架

13
ThreatHunter-Playbook
⭐ 4,600 Python
一个社区驱动的开源项目,共享检测逻辑、对手手法和资源,使检测开发更加高效。
14
awesome-yara
⭐ 4,200
一个精选的YARA规则、工具和人物列表。
15
malwoverview
⭐ 4,000 Python
Malwoverview是一个针对VirusTotal、Hybrid Analysis、URLHaus、Polyswarm、Malshare、Alien Vault、Malpedia、Malware Bazaar、ThreatFox、Triage、IPInfo、Shodan、AbuseIPDB、GreyNoise、URLScan.io、Whois/RDAP、NIST和VulnCheck的威胁狩猎的第一响应工具。支持LLM丰富、IOC提取、YARA扫描和Android分析。
16
HELK
⭐ 3,900 Jupyter Notebook
The Hunting ELK

应急响应工具

17
Infosec_Reference
⭐ 6,000 CSS
一个不糟糕的信息安全参考;https://rmusser.net/git/admin-2/Infosec_Reference非MS Git托管版本。
18
awesome-forensics
⭐ 5,100
⭐️ 一个精选的法医分析工具和资源列表。
19
Free-Security-eBooks
⭐ 5,000
免费的安全和黑客电子书。
20
DetectionLab
⭐ 5,000 HTML
自动创建一个实验室环境,包括安全工具和日志最佳实践。

👤 大神近期动态

核心价值:追踪安全领域技术大牛的最新动向

今日看点: 1、[由于没有具体项目信息,无法生成看点]

1
大神A star了仓库
go-resty/resty
2
大神B star了仓库
facebook/memlab
3
大神C star了仓库
vercel-labs/agent-browser
4
大神D star了仓库
openai/codex-security
5
大神E star了仓库
modelcontextprotocol/go-sdk
6
大神F Google Project Zero安全研究员 发布了Release
taviso/ctypes.sh
7
大神G Google Project Zero安全研究员 star了仓库
cantino/mcfly
8
大神H 提交了Issue
aboutcode-org/purldb
9
大神I 安全研究员、工具开发者 发布了Release
s0md3v/wappalyzer-next

📚 精选资源库推荐(近1个月内更新)

核心价值:推荐成熟的精品资源,以发现高质量的GitHub安全资源库为主(按Stars排序,筛选最近更新)

今日看点: 1、awesome-security:精选软件、库、文件等安全资源集合; 2、awesome-web-security:精选Web安全材料和资源列表; 3、android-security-awesome:Android安全资源集合; 4、3个项目,覆盖Web安全、Android安全和综合安全资源

1
awesome-security
⭐ 14,696 🔱 2353
一份精选的软件、库、文件、书籍、资源和酷东西的集合,关于安全。
2
awesome-web-security
⭐ 13,631 Python 🔱 1804
🐶 一份精选的 Web 安全材料和资源列表。
3
android-security-awesome
⭐ 9,565 Makefile 🔱 1565
一份与 Android 安全相关的资源集合。
4
awesome-ml-for-cybersecurity
⭐ 9,228 🔱 1933
:octocat: 网络安全的机器学习。

📖 学习资源

核心价值:精选安全领域的学习资料、实战项目和最新研究

今日看点: 1、FAVA:大型语言模型代理的正式授权研究; 2、走向自动化企业网络防御:企业安全状态的全面视图和自动化网络防御; 3、RoguePrompt:规避LLM审核的双层编码自重建; 4、4篇论文,探讨大模型安全、自动化网络防御和加密算法

🎓 入门资料

1
OSCP-PwK
⭐ 487 Python 🔱 174 🕐 102个月前更新
这是我在参加Offensive Security Kali Linux渗透测试课程时开发的备忘单和脚本。
2
ArabicWebAppsPentesting
⭐ 557 PHP 🔱 134 🕐 92个月前更新
这个仓库将包含POC、演示文件以及在阿拉伯Web应用程序渗透测试课程期间提供的任何链接。
3
Z0FCourse_PenetrationTesting
⭐ 53 🔱 13 🕐 88个月前更新
Z0F的渗透测试课程。
4
SAP-Security-Audit
⭐ 93 🔱 34 🕐 77个月前更新
与SAP安全审计和渗透测试相关的培训课程材料和笔记。

💻 实战资料

5
Awesome-Hacking
⭐ 117,000
为黑客、渗透测试者和安全研究人员收集的各种精选列表。
6
PayloadsAllTheThings
⭐ 79,600 Python
一个有用的Web应用程序安全和Pentest/CTF绕过的有效载荷列表。
7
x64dbg
⭐ 49,000 C++
一个为Windows优化的开源用户模式调试器。适用于逆向工程和恶意软件分析。
8
shannon
⭐ 46,300 TypeScript
Shannon是一个针对Web应用程序和API的AI渗透测试器。它分析您的源代码,识别攻击向量,并执行实际的漏洞利用以证明漏洞,以防止它们进入生产环境。

📄 研究论文

1 FAVA:带有证据支持的权限图的验证代理的正式授权 大型语言模型(LLM)代理自主地将语义推理与复杂系统操作交错进行。在这些动态环境中,静态的逐工具级别的权限本质上是不足够的;安全的授权高度依赖于上下文,并且严重依赖于不断演变的运行时状态和数据流。我们提出了FAVA(Formal Authorization for Verified Agents),这是一个用于代理执行的携带权限的授权框架。FAVA利用LLM引导的权限中间表示
2 开放安全基准:走向自动化企业网络防御 企业正在向自动化网络防御迈进:能够构建组织安全状态的情境感知并据此进行评估、决策和行动的代理人工智能。这依赖于对企业安全状态的全面视图,即安全态势管理所组装的身份、云和基础设施、数据、应用程序及其配置的连续、跨供应商视图。随着代理承担这项工作,重要的是不是一个代理能否
3 RoguePrompt:用于规避LLM审核的双层编码自重建 大型语言模型(LLM)越来越多地被整合到主流开发平台和日常技术工作流程中,通常在审核和安全控制之后。尽管有这些控制,防止基于提示的政策规避仍然是一个挑战,对手继续通过精心设计的提示“越狱”LLM,以规避实施的安全机制。先前的工作已经建立了通过密码中介的交互、代码嵌入的解密、提示分解和重建
4 使用统一根的低延迟自举CKKS 我们引入了稀疏统一根(SPRU)自举,这是CKKS同态加密方案用于近似算术的新自举算法。原始的CKKS自举方法依赖于同态评估一个近似模q的模数约简的多项式。相比之下,SPRU自举直接将模q的加法群嵌入到复数统一根中,这可以在CKKS方案中本地评估。这种方法显著减少了乘法
5 Granite:用于硬件-软件泄露合同基础验证的模块化方法 Granite是一种模块化方法,用于验证RTL处理器的功能正确性和非泄露性,以符合ISA合同。我们证明了带有推测、精确中断和I/O的流水线RISC设计的逐周期时间仅由ISA泄露合同中指定的可观察性决定。对于保持可观察性与秘密独立的程序(即,遵循密码常数时间纪律),这个结果排除了通过已知信息泄露
6 Flock:批量布尔计算的快速证明 对于许多SNARK的应用来说,一个关键瓶颈是证明大量标准加密哈希评估,如SHA-256、Keccak或BLAKE3。我们引入了Flock,这是一个基于哈希的SNARK,用于极快速地证明此类批量布尔计算。Flock证明了相同R1CS电路的批次(加上它们之间的输入/输出关系),可以证明哈希链和Merkle路径开启,原则上可以扩展到完整的基于哈希的签名验证。在其核心,Flock
7 发送和伪装:利用端到端加密群聊中的记录一致性问题 端到端加密(E2EE)消息应用因其安全性而受到广泛赞誉,因此也用于群聊中的敏感协调(例如,由政治决策者使用)。继Threema和WhatsApp之后,Signal和iMessage最近也引入了投票,以帮助群体中的同意过程。这隐含地设定了所有参与者看到相同结果的期望,因此对对话有相同的视图。这个属性通常被称为记录一致性(TC)。
8 ThreatForest:带有可插拔TTP框架映射的多代理攻击树生成 威胁建模对于安全软件开发至关重要,但手动分析云原生架构既慢又需要稀缺的安全专业知识。我们提出了ThreatForest,这是一个多代理系统,它从源代码库生成结构化的攻击树,将攻击步骤映射到来自可插拔框架集(MITRE ATT&CK、CAPEC和云特定威胁矩阵)的对手战术、技术和程序(TTPs),并综合可行的缓解措施。ThreatForest分解
9 AnchorMark:通过潜在空间旋转同步的鲁棒扩散水印 基于反转的水印将水印有效载荷直接嵌入到生成过程中,避免了单独的事后图像域嵌入阶段,同时保留了合成图像的原生视觉保真度。然而,现有方法仍然容易受到复合损失后处理的影响,特别是当涉及旋转时,因为它破坏了潜在空间解码所需的空间对应关系。为了克服这个限制,我们引入了AnchorMark,这是一种无需训练、鲁棒的反转
10 重新审视基于图的交通预测的对抗性鲁棒性 基于图的AI进行交通预测是智能交通系统的关键组成部分,这激发了对恶意传感器读数鲁棒性安全研究的兴趣。我们认为,以前的鲁棒性评估在很大程度上是由不现实的威胁模型和非针对性目标塑造的,因此攻击和防御都必须重新审视。我们研究了一个实际的对手,他的知识有限,并且只能监控和操纵少数道路传感器。更重要的是,实际的攻击