小红花·文摘
  • 首页
  • 广场
  • 排行榜🏆
  • 直播
  • FAQ
Dify.AI
飞牛NAS(fnOS)严重安全漏洞(app-center-static)的分析及修复方式

记录了飞牛NAS中毒的排查与修复过程,从发现网络异常到清除恶意代码。通过升级、论坛讨论和病毒复发等步骤,最终定位并删除了恶意文件,确保系统安全。

飞牛NAS(fnOS)严重安全漏洞(app-center-static)的分析及修复方式

ZhensJoke 飞云算
ZhensJoke 飞云算 · 2026-01-31T11:41:00Z
BotID 揭示隐藏的 SEO 中毒

一家大型金融机构发现其网站出现异常的机器人流量,经过分析发现流量来自谷歌的合法爬虫。调查显示,早期的SEO攻击导致谷歌索引了恶意搜索页面。机构通过更新robots.txt和提交移除请求解决了问题,强调了识别合法爬虫的重要性。

BotID 揭示隐藏的 SEO 中毒

Vercel News
Vercel News · 2025-09-22T13:00:00Z

本研究解决了进化群体系统中数据中毒攻击带来的协调策略脆弱性问题。通过引入可解释人工智能方法,构建了一个框架来分析数据中毒对团队策略的影响,并发现当模型中毒率超过10%时,可以识别出非最优策略,导致合作效率降低。该研究为毒攻诊断提供了新的思路和工具。

基于可解释人工智能的进化群体中毒袭击诊断

BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 · 2025-05-02T00:00:00Z

本研究提出了GuassTrap隐蔽中毒攻击方法,针对3D高斯喷溅技术的安全漏洞。该方法能够在特定视点注入恶意视图,导致环境误判和空间畸变,实验结果验证了其有效性,强调了3D渲染的安全风险。

GaussTrap:针对 3D 高斯喷溅的隐蔽性中毒攻击以达到目标场景混淆

BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 · 2025-04-29T00:00:00Z

本研究解决了概念基础模型在处理分布外(OOD)输入时的表现不足,尤其是当前最先进模型面临的“泄露中毒”问题。这项研究提出MixCEM,一种新颖的概念模型,能够动态地利用仅在训练集中出现的信息,从而显著提升模型在分布内外样本的准确性,尤其是在概念干预的情况下。

避免泄露中毒:分布变化下的概念干预

BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 · 2025-04-24T00:00:00Z

本研究提出了一种基于条件生成对抗网络的防御框架,旨在应对联邦学习中的中毒攻击,通过生成合成数据验证客户端更新,显著提升真实阳性率和阴性率,从而增强系统安全性。

针对中毒攻击的强健联邦学习:基于GAN的防御框架

BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 · 2025-03-26T00:00:00Z

本研究针对文本到图像扩散模型的脆弱性,提出了一种无声品牌攻击的新型数据中毒方法,该方法可以在没有文本触发的情况下,操控模型生成包含特定品牌标志的图像。实验证明,在经过特定视觉模式训练后,模型能够自然地再现这些模式,我们的方法能够在不降低图像质量或文本一致性的情况下,将品牌标志隐秘地嵌入生成图像中。

无声品牌攻击:无触发数据中毒攻击文本到图像扩散模型

BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 · 2025-03-12T00:00:00Z

本研究解决了联邦学习系统中数据中毒攻击的问题,提出了一种新的防御框架——FedNIA,能够识别并排除恶意客户端,而无需依赖中心测试数据集。研究显示,FedNIA通过注入随机噪声并分析客户端模型的分层激活模式,有效抵御多种类型的攻击,具有显著的安全性和鲁棒性。

FedNIA:基于噪声诱导激活分析的联邦学习数据中毒防御

BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 · 2025-02-23T00:00:00Z
Laravel中的缓存中毒:防止常见漏洞

缓存中毒是一种严重的安全漏洞,可能影响Laravel应用的数据完整性和机密性。攻击者通过操控缓存提供恶意数据,导致用户接收错误信息或敏感数据泄露。为防止此类攻击,应清理用户输入、规范缓存键、使用缓存标签、禁用敏感数据缓存,并实施缓存完整性检查。

Laravel中的缓存中毒:防止常见漏洞

DEV Community
DEV Community · 2025-02-18T06:24:11Z

本研究解决了联邦学习中隐私泄露和中毒攻击的双重挑战。提出的双重防御联邦学习(DDFed)框架,实现了在不增加新参与者角色或破坏现有拓扑的情况下,同时增强隐私保护和减轻中毒攻击。通过采用全同态加密和创新的两阶段异常检测机制,DDFed有效地保护了模型隐私,并成功抵御了模型中毒威胁。

双重防御:增强联邦学习中的隐私保护和减轻中毒攻击

BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 · 2025-02-08T00:00:00Z

根据Verizon报告,80%的网络攻击利用在线平台,尤其是搜索引擎。攻击者通过SEO中毒操控搜索结果,诱导用户点击恶意链接,导致恶意软件检测增加60%。常见攻击包括假冒杀毒软件和假日购物诈骗,企业和个人需提高警惕,采取防范措施。

SEO 中毒:网络犯罪分子如何将搜索引擎变成陷阱

FreeBuf网络安全行业门户
FreeBuf网络安全行业门户 · 2024-12-27T03:24:46Z

本研究解决了现代AI系统面临的数据中毒攻击问题,通过提出一种创新的认证方法BiCert,使用双线性混合整数规划 (BMIP) 计算可证明的鲁棒性边界。研究表明,BiCert比以往方法更加精确,有效克服了参数边界失控的基本限制,显著提高了训练的稳定性和认证准确性。

BiCert:一种用于对抗数据中毒攻击的双线性混合整数规划精确认证边界的形成

BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 · 2024-12-13T00:00:00Z
快速了解语言模型中的数据中毒问题

数据中毒是一种新兴威胁,指故意操纵机器学习模型训练数据,尤其是大型语言模型(LLMs),从而降低模型性能、引入偏见并导致错误预测。随着LLMs在关键应用中的普遍使用,模型的完整性成为安全问题。数据中毒可能加剧偏见,影响招聘和信用评估等敏感领域,增加错误率,损害AI系统的可靠性。因此,确保安全的数据处理和严格的验证至关重要。

快速了解语言模型中的数据中毒问题

DEV Community
DEV Community · 2024-10-27T15:34:29Z

本研究聚焦于当前大型语言模型偏好学习过程中的数据中毒攻击脆弱性。我们提出了PoisonBench,一个用于评估大型语言模型在偏好学习过程中对数据中毒的易感性的基准。研究发现,模型参数规模的增加并未提高抵御中毒攻击的能力,且数据中毒的影响可以推广到未包含在中毒数据中的触发因素,这突显了当前偏好学习技术的薄弱环节,并呼吁开发更强大的防御机制。

PoisonBench:评估大型语言模型对数据中毒的脆弱性

BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 · 2024-10-11T00:00:00Z

本文探讨了无线通信中的对抗性攻击及其防御方法,强调深度学习在信号处理中的应用面临的攻击风险,特别是功率分配和调制方案的攻击。提出了动态防御系统和通用对抗扰动(UAP)方法,以增强通信系统的安全性和鲁棒性。

基于转移的对抗性中毒攻击针对在线(MIMO)深度接收器

BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 · 2024-09-04T00:00:00Z

本文探讨了聚类算法的攻击风险及评估方法,重点分析了恶意软件行为聚类的注入攻击。研究提出了MetaPoison等对策,以提高聚类算法的安全性和鲁棒性,并讨论了数据投毒攻击及其防御措施,强调了数据污染的危害及防御策略的必要性。

声学:快速且可转移的数据中毒攻击于聚类算法

BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 · 2024-08-14T00:00:00Z
发芽的土豆为什么不能吃?

发芽土豆含有龙葵素,食用后可能导致中毒,症状包括恶心、呕吐和神经系统问题。新鲜土豆需彻底煮熟,避免食用发芽土豆,储存时应放在阴凉干燥处。

发芽的土豆为什么不能吃?

人言兑
人言兑 · 2024-07-30T09:58:53Z

联邦蒸馏(FD)是一种新型的分布式机器学习方法,通过知识蒸馏提高跨设备的知识传输效率。研究提出了FDLA攻击,显著降低了客户端模型的性能,强调在FD环境中需要加强防御机制。同时,探讨了针对联邦学习的毒化攻击及其防御策略,提出了FLCert和FLDetector等工具以提高模型的安全性。实验结果表明,现有防御措施存在缺陷,需关注数据污染攻击的隐蔽性和有效性。

联邦训练中基于峰值控制的逻辑回归中毒攻击

BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 · 2024-07-25T00:00:00Z

该论文研究了深度学习认证系统在数据注入攻击下的脆弱性,提出了对抗性样本防御、优化毒化方法和无触发器攻击策略等多种防御措施,以提高模型的安全性和鲁棒性。研究表明,少量毒化数据会显著降低模型准确性,需关注数据污染问题。

邪恶的奇特之处:有选择性地中毒以进行有效的对无标签后门攻击

BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 · 2024-07-15T00:00:00Z

通过观察数据分布的稳定性,我们提出了 AdaAggRL,一种基于强化学习的自适应聚合方法,用于防御复杂的恶意攻击。实验证明,该防御模型在四个真实数据集上显著优于广泛采用的防护模型。

利用基于强化学习的聚合,在联邦学习中防御复杂的中毒攻击

BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 · 2024-06-20T00:00:00Z
  • <<
  • <
  • 1 (current)
  • 2
  • >
  • >>
👤 个人中心
在公众号发送验证码完成验证
登录验证
在本设备完成一次验证即可继续使用

完成下面两步后,将自动完成登录并继续当前操作。

1 关注公众号
小红花技术领袖公众号二维码
小红花技术领袖
如果当前 App 无法识别二维码,请在微信搜索并关注该公众号
2 发送验证码
在公众号对话中发送下面 4 位验证码
友情链接: MOGE.AI 九胧科技 模力方舟 Gitee AI 菜鸟教程 Remio.AI DeekSeek连连 53AI 神龙海外代理IP IPIPGO全球代理IP 东波哥的博客 匡优考试在线考试系统 开源服务指南 蓝莺IM Solo 独立开发者社区 AI酷站导航 极客Fun 我爱水煮鱼 周报生成器 He3.app 简单简历 白鲸出海 T沙龙 职友集 TechParty 蟒周刊 Best AI Music Generator

小红花技术领袖俱乐部
小红花·文摘:汇聚分发优质内容
小红花技术领袖俱乐部
Copyright © 2021-
粤ICP备2022094092号-1
公众号 小红花技术领袖俱乐部公众号二维码
视频号 小红花技术领袖俱乐部视频号二维码