跳到正文
目前篩選:論文
  1. Wiz:Research(安全研究)86

    Wiz Research 等團隊揭露 NGINX 的 CVE-2026-123633 與 CVE-2026-123007 漏洞

    Wiz Research 等團隊揭露 NGINX 兩項漏洞,HTTP/2 啟用時可導致未經驗證的遠端程式碼執行。漏洞編號為 CVE-2026-123633 和 CVE-2026-123007,均評為 Critical,CVSS 4.0 評分為 9.2;其中 CVE-2026-123007 在提供普通靜態檔案時也可觸發,無需後端應用程式或第三方模組。

    推薦理由:文章拆解兩個 HTTP/2 記憶體安全漏洞導致遠端程式碼執行的路徑,並交代觸發條件及其對 NGINX 所服務網站與 API 的風險。

  1. Hacker News 熱門(buzzing.cc 中文翻譯)77

    研究拆解自 2022 年起 Mac 內置的家庭關係推斷機制

    研究者分析 macOS 26 內置的個人知識圖譜,指出系統會從聯絡人、日曆、照片、訊息等資料推斷用戶及身邊人士的關係。兩個背景服務會結閤家庭共享、位置與行為信號;家庭關係分類器使用 144 項特徵,主要涵蓋通訊模式及照片共同出現資料。作者開源 iKnow 本機儀錶板供用戶唯讀檢視圖譜;相關 SQLite 數據庫以明文儲存在受 TCC Full Disk Access 權限保護的目錄。

    推薦理由:文章逐層追查資料來源與家庭關係分類依據,並以 iKnow 展示通訊、照片和行為信號如何形成個人知識圖譜。

  1. DEV Community85

    OpenAI 的 AI 找出 948 種 Linux 本機提權漏洞利用方式,文章整理 API 伺服器修補要點

    OpenAI 的 AI 流程在 Linux 上生成 948 個獨特的本機權限提升(LPE)漏洞利用程式,每個成本為 1279 美元 API 額度。這些漏洞不能單靠遠端請求利用,攻擊者須先取得低權限執行位置;OpenAI 未公佈受影響版本清單。文章建議安裝發行版的最新安全更新並重新啟動至新核心,並指出容器共用主機核心,更新容器映像不能修補主機核心。

    推薦理由:文章把 948 個本機提權漏洞利用方式連結到 API 伺服器的初始入侵風險,並整理核心更新、重啟及容器隔離的檢查方法。

  1. Hacker News 熱門(buzzing.cc 中文翻譯)79

    大型語言模型令更大規模的形式化軟件驗證成為可能

    Anthropic 使用 Claude,為 123 個開源函式庫的 239 個 OSS-Fuzz 測試入口建立形式化證明,證明在指定條件下,輸入小於 64 MB 時不會崩潰。Claude 在嘗試證明的過程中也發現數百個錯誤。這些證明以 RISC-V 二進制檔及 Linux 模型為基礎,僅涵蓋指定條件,並不表示函式庫沒有其他錯誤。

    推薦理由:文章展示 Claude 為 123 個開源函式庫的 239 個測試入口建立形式化證明,並交代證明所依賴的執行環境假設及覆蓋限制。

  1. DEV Community76

    移除護欄的 AI 模型可能暗藏後門並外傳敏感資料

    ProjectDiscovery 的概念驗證顯示,經修改權重的開放模型可藏有後門,觸發後透過工具呼叫外傳 .env 檔案及 SSH 金鑰。測試以 Qwen2.5-7B-Instruct 訓練 625 條資料,其中 125 條遭投毒;後門影響約 43M 個參數,未觸發時一般請求仍正常。文章建議限制編碼 Agent 權限、隔離網絡存取與命令執行,並核查外部模型的發布者、訓練資料及權重差異。

    推薦理由:以 Qwen2.5-7B-Instruct 的概念驗證呈現模型後門如何藉工具呼叫外傳 .env 檔案與 SSH 金鑰,並整理編碼 Agent 的權限隔離做法。

  1. Cognition 模型 / Devin 博客80

    Cognition 的 Eric Lu 使用 Devin 完成 RSA-260 因數分解,創下公開紀錄

    Cognition 的 Eric Lu 使用多個 Devin 分解 260 位數 RSA-260,創下 RSA Factoring Challenge 中公開解出最大數字的紀錄。

    推薦理由:文章以 RSA-260 的實際成本為基準,對照 RSA-1024 的成本估算與 RSA-2048 的難度差距,呈現成果對不同金鑰規模的含義。

  1. Microsoft Research63

    Microsoft 為 Physical AI Toolchain 加入機械人推理卸載功能

    Microsoft 宣佈 Physical AI Toolchain 新增機械人推理卸載功能,支援透過 Kubernetes 工具把 AI 工作負載分配至機械人、邊緣 GPU 和雲端。

    推薦理由:文章將實機工作負載的效能、電池續航與算力配置放在同一脈絡比較,並介紹以 Kubernetes 分配推理的工具,呈現卸載方案的收益與代價。

已經到底了