ZONE.CI 全球网

Hola浏览器Windows版本在供应链攻击中遭入侵，攻击者投放未声明可执行文件me.exe，经分析为门罗币挖矿程序。该程序会创建自启动服务、添加Defender排除规则，并在设备空闲时运行。Hola确认约0.1%用户受影响，已重建分发管道并加强代码签名验证与访问控制。

本文剖析了端侧大模型TEE分区推理中轻量级权重混淆的安全缺陷。由于现有逐向量操作难以破坏权重方向相似性，攻击者可利用余弦距离匹配公开基座模型高精度恢复私有权重。为此作者提出ARROWCLOAK方案，通过引入矩阵向量乘法扰乱方向信息并基于LWE问题进行理论分析，在降低泄漏风险的同时控制计算开销。建议工业界摒弃经验性启发式混淆，构建具备密码学理论托底的端侧模型保护机制。

本文详解第四届数信杯数据安全个人赛理论题WP，涵盖TEE、隐私计算、数据分类分级、法律法规（个保法、数安法、算法规定等）、数据流转监测、密码应用及合规审计等核心知识点，强调技术实现与法律合规并重，为从业者提供系统学习路径与实操指引。

火绒安全披露新型远控攻击手段，攻击者将恶意样本伪装成WPS安装包，利用InnoSetup分阶段释放cloudflared合法组件实现白利用，通过创建服务与计划任务建立持久化机制，并借助cloudflared建立远程TCP隧道实现隐蔽控制。该攻击链综合使用多重技术增强隐蔽性与免杀能力，目前火绒安全产品已实现拦截查杀。

该文档介绍了两种利用物理内存缺陷的安全攻击——BadRAM和BatteringRAM。BadRAM通过伪造内存容量使不同虚拟地址映射相同物理地址，BatteringRAM则使用50美元转接器屏蔽DDR4地址线实现类似攻击。两者均针对IntelSGX和AMDSEV-SNP等TEE内存加密方案的设计缺陷，通过物理操控绕过安全保护。研究揭示了硬件级漏洞对可信执行环境的威胁，并指出此类攻击需结合内存加密方案的抗攻击能力不足才能生效。

本文剖析了端侧大模型TEE分区推理中轻量级权重混淆的安全缺陷。由于现有逐向量操作难以破坏权重方向相似性，攻击者可利用余弦距离匹配公开基座模型高精度恢复私有权重。为此作者提出ARROWCLOAK方案，通过引入矩阵向量乘法扰乱方向信息并基于LWE问题进行理论分析，在降低泄漏风险的同时控制计算开销。建议工业界摒弃经验性启发式混淆，构建具备密码学理论托底的端侧模型保护机制。

本文介绍了一种名为双向钢人论证的大模型提问技巧，旨在克服AI谄媚与输出通用废话的缺陷。该方法引导AI重述真实问题、分别强化正反双方最强论点、找出决定结论的关键变量，最后给出明确判断与行动建议。作者提供了具体Prompt模板与案例，证明其能助人跳出思维盲区挖掘问题本质，极具实操价值。

本文详解第四届数信杯数据安全个人赛理论题WP，涵盖TEE、隐私计算、数据分类分级、法律法规（个保法、数安法、算法规定等）、数据流转监测、密码应用及合规审计等核心知识点，强调技术实现与法律合规并重，为从业者提供系统学习路径与实操指引。

火绒安全披露新型远控攻击手段，攻击者将恶意样本伪装成WPS安装包，利用InnoSetup分阶段释放cloudflared合法组件实现白利用，通过创建服务与计划任务建立持久化机制，并借助cloudflared建立远程TCP隧道实现隐蔽控制。该攻击链综合使用多重技术增强隐蔽性与免杀能力，目前火绒安全产品已实现拦截查杀。

本文介绍HexHive团队发表于IEEES&P2026的论文TAEMU，这是一种在GlobalPlatformAPI层模拟可信应用的开放源码工具。研究显示仅需实现10个关键私有API即可覆盖超过90%的TA代码块，显著提升模糊测试效率。该工具优先支持标准化API，为TEE安全研究提供实用解决方案。

该文档介绍了两种利用物理内存缺陷的安全攻击——BadRAM和BatteringRAM。BadRAM通过伪造内存容量使不同虚拟地址映射相同物理地址，BatteringRAM则使用50美元转接器屏蔽DDR4地址线实现类似攻击。两者均针对IntelSGX和AMDSEV-SNP等TEE内存加密方案的设计缺陷，通过物理操控绕过安全保护。研究揭示了硬件级漏洞对可信执行环境的威胁，并指出此类攻击需结合内存加密方案的抗攻击能力不足才能生效。

Hola浏览器Windows版本在供应链攻击中遭入侵，攻击者投放未声明可执行文件me.exe，经分析为门罗币挖矿程序。该程序会创建自启动服务、添加Defender排除规则，并在设备空闲时运行。Hola确认约0.1%用户受影响，已重建分发管道并加强代码签名验证与访问控制。

本文剖析了端侧大模型TEE分区推理中轻量级权重混淆的安全缺陷。由于现有逐向量操作难以破坏权重方向相似性，攻击者可利用余弦距离匹配公开基座模型高精度恢复私有权重。为此作者提出ARROWCLOAK方案，通过引入矩阵向量乘法扰乱方向信息并基于LWE问题进行理论分析，在降低泄漏风险的同时控制计算开销。建议工业界摒弃经验性启发式混淆，构建具备密码学理论托底的端侧模型保护机制。

本文介绍了一种名为双向钢人论证的大模型提问技巧，旨在克服AI谄媚与输出通用废话的缺陷。该方法引导AI重述真实问题、分别强化正反双方最强论点、找出决定结论的关键变量，最后给出明确判断与行动建议。作者提供了具体Prompt模板与案例，证明其能助人跳出思维盲区挖掘问题本质，极具实操价值。

火绒安全披露新型远控攻击手段，攻击者将恶意样本伪装成WPS安装包，利用InnoSetup分阶段释放cloudflared合法组件实现白利用，通过创建服务与计划任务建立持久化机制，并借助cloudflared建立远程TCP隧道实现隐蔽控制。该攻击链综合使用多重技术增强隐蔽性与免杀能力，目前火绒安全产品已实现拦截查杀。

本文介绍HexHive团队发表于IEEES&P2026的论文TAEMU，这是一种在GlobalPlatformAPI层模拟可信应用的开放源码工具。研究显示仅需实现10个关键私有API即可覆盖超过90%的TA代码块，显著提升模糊测试效率。该工具优先支持标准化API，为TEE安全研究提供实用解决方案。

该文档介绍了两种利用物理内存缺陷的安全攻击——BadRAM和BatteringRAM。BadRAM通过伪造内存容量使不同虚拟地址映射相同物理地址，BatteringRAM则使用50美元转接器屏蔽DDR4地址线实现类似攻击。两者均针对IntelSGX和AMDSEV-SNP等TEE内存加密方案的设计缺陷，通过物理操控绕过安全保护。研究揭示了硬件级漏洞对可信执行环境的威胁，并指出此类攻击需结合内存加密方案的抗攻击能力不足才能生效。

Hola浏览器Windows版本在供应链攻击中遭入侵，攻击者投放未声明可执行文件me.exe，经分析为门罗币挖矿程序。该程序会创建自启动服务、添加Defender排除规则，并在设备空闲时运行。Hola确认约0.1%用户受影响，已重建分发管道并加强代码签名验证与访问控制。

本文剖析了端侧大模型TEE分区推理中轻量级权重混淆的安全缺陷。由于现有逐向量操作难以破坏权重方向相似性，攻击者可利用余弦距离匹配公开基座模型高精度恢复私有权重。为此作者提出ARROWCLOAK方案，通过引入矩阵向量乘法扰乱方向信息并基于LWE问题进行理论分析，在降低泄漏风险的同时控制计算开销。建议工业界摒弃经验性启发式混淆，构建具备密码学理论托底的端侧模型保护机制。

本文介绍了一种名为双向钢人论证的大模型提问技巧，旨在克服AI谄媚与输出通用废话的缺陷。该方法引导AI重述真实问题、分别强化正反双方最强论点、找出决定结论的关键变量，最后给出明确判断与行动建议。作者提供了具体Prompt模板与案例，证明其能助人跳出思维盲区挖掘问题本质，极具实操价值。

本文剖析了端侧大模型TEE分区推理中轻量级权重混淆的安全缺陷。由于现有逐向量操作难以破坏权重方向相似性，攻击者可利用余弦距离匹配公开基座模型高精度恢复私有权重。为此作者提出ARROWCLOAK方案，通过引入矩阵向量乘法扰乱方向信息并基于LWE问题进行理论分析，在降低泄漏风险的同时控制计算开销。建议工业界摒弃经验性启发式混淆，构建具备密码学理论托底的端侧模型保护机制。

本文介绍了一种名为双向钢人论证的大模型提问技巧，旨在克服AI谄媚与输出通用废话的缺陷。该方法引导AI重述真实问题、分别强化正反双方最强论点、找出决定结论的关键变量，最后给出明确判断与行动建议。作者提供了具体Prompt模板与案例，证明其能助人跳出思维盲区挖掘问题本质，极具实操价值。

本文介绍了一种名为双向钢人论证的大模型提问技巧，旨在克服AI谄媚与输出通用废话的缺陷。该方法引导AI重述真实问题、分别强化正反双方最强论点、找出决定结论的关键变量，最后给出明确判断与行动建议。作者提供了具体Prompt模板与案例，证明其能助人跳出思维盲区挖掘问题本质，极具实操价值。

该论文研究端侧大模型部署中的模型窃取风险，将现有TEE与混淆算法保护方案抽象为四类混淆算子并刻画安全边界，提出Collapse攻击方法成功攻破8个先进防御方案，平均任务准确率达89.97%。防御方面引入新的乘性混淆算子，以约5.6%额外开销将攻击效果显著降低约27.4个百分点，为端侧模型保护提供参考。

本文系统解析RMI反序列化三大攻击面：Server端、注册中心Registry与Client端，并附完整复现过程。核心攻击点在于RMI通信的序列化与反序列化环节，可通过CC6链攻击Server端Object类型参数，利用CC1链加动态代理绕过类型限制攻击Registry的bind方法，或通过反射构造恶意调用攻击lookup方法。文章强调所有攻击仅限授权环境测试，并提供环境配置与完整payload代码，具备较强实战参考价值。