绿盟科技研究通讯
Please support the site operations by clicking ads.
论文解读：《FragFuse: Bypassing Access Control of Large Language Model Agents via Memory-Based Query Fragmentation and Fusion》
1. 概述随着大语言模型能力的提升，智能体逐渐从对话生成工具发展为能够规划任务、调用外部工具并持续与环境交互的
AI与云安全事件案例分析周报｜2026.09.28 - 2026.10.09
Trident：一种面向未知流量识别与模型持续更新的检测框架
如何让网络入侵检测系统具备识别未知攻击和持续演进的能力？
AI与云安全事件案例分析周报（2026.09.21 - 2026.09.25）
AI与云安全事件案例分析周报（2026.09.21 - 2026.09.25）
AI与云安全事件案例分析周报｜2026.09.14 - 2026.09.18
AI与云安全事件案例分析周报｜2026.09.14 - 2026.09.18
AI与云安全事件案例分析周报｜2026.09.07 - 2026.09.11
AI与云安全事件案例分析周报｜2026.09.07 - 2026.09.11
AI与云安全事件案例分析周报｜2026.08.31 - 2026.09.04
AI与云安全事件案例分析周报｜2026.08.31 - 2026.09.04
AI与云安全事件案例分析周报｜2026.08.24 - 2026.08.28
本周风险集中在高能力智能体失控后的横向协作、AI 基础设施被现实攻击流量穿透，以及本地模型与共享 GPU 的隔
AI与云安全事件案例分析周报｜2026.08.17 - 2026.08.21
AI与云安全事件案例分析周报｜2026.08.17 - 2026.08.21
AI与云安全事件案例分析周报｜2026.08.10 - 2026.08.14
AI与云安全事件案例分析周报｜2026.08.10 - 2026.08.14
论文解读：《Honeyquest for LLMs：重新思考面向AI攻击者的网络欺骗》
大规模蜜罐欺骗实验表明，LLM攻击者受欺骗概率为人类的2倍以上，且存在普遍的认知-行动鸿沟：即使模型在推理中识别出陷阱，行动上却仍然落入其中
安全运营中的 AI，为何总是看上去不太可信？
AI安全运营的不可信，本质源于告警研判长期依赖有限条件下的合理推断。真正的智能化不应止于告警解释，而应让AI在受控权限下持续调查资产、身份、终端、网络与业务链路，形成可验证的根因结论，并沉淀为可复用的运营能力。
AI与云安全事件案例分析周报｜2026.08.03 - 2026.08.07
AI与云安全事件案例分析周报｜2026.08.03 - 2026.08.07
AI与云安全事件案例分析周报｜2026.07.27 - 2026.07.31
【公益译文】2026年AI指数报告（九）
往期推荐：2026年AI指数报告（八）5公众舆论概述公众对AI的看法如今受到一种核心矛盾的影响：一方面，人们
AI与云安全事件案例分析周报2026.07.20 - 2026.07.24
AI与云安全事件案例分析周报2026.07.20 - 2026.07.24
【公益译文】2026年AI指数报告（八）
4.4. AI与政策制定立法情况反映了各国政府在国家战略之外应对AI的举措。
AI与云安全事件案例分析周报｜2026.07.13 - 2026.07.17
绿盟科技与中山大学车联网安全研究成果入选国际顶刊TIFS
绿盟科技研究通讯-绿盟研究成果发布地，创新、孵化、布道，只玩最酷的安全技术
(wechat feed made by @ttttmr https://wechat2rss.xlab.app)