Suricata的状态检测引擎通过流超时机制实现高效的网络入侵检测，但该机制存在检测盲区，导致状态丢失和攻击规避风险。TCP和UDP协议在超时配置上面临不同挑战，需要根据风险评估灵活调整，以构建有效的多层次防御体系。

机器之心数据服务现已上线，提供高效稳定的数据获取，简化数据爬取流程。

本研究旨在解决深度神经网络(DNN)在非结构化数据中系统性弱点识别的难题。我们提出了一种结合现代基础模型与组合搜索算法的完整工作流程，以识别与人类可理解的安全相关维度一致的弱切片。重要发现是该方法在多个计算机视觉数据集上表现出色，为安全AI系统的开发提供了积极影响。

新研究表明，DeepSeek等推理大模型在处理复杂问题时，因频繁切换思路导致思维不足，影响答案的准确性。研究团队提出了“思路切换惩罚机制”，有效提升了模型的准确率并减少了无效思考。

OpenAI CEO 奥特曼在采访中承认自己在产品方面的不足，讨论了未来模型的发展方向、推理模型的重要性及AI的潜力。他强调AI将带来巨大的经济价值，并期待无代码工具的普及。他认为模型贬值不影响训练成本的合理性，未来将专注于推理和多模态改进。

本研究深入分析了大型多模态模型在音频安全性方面的脆弱性，发现五种音频模型的攻击成功率高达69.14%。

RigorLLM是一种创新框架，通过增强训练数据、优化输入安全后缀，并结合KNN与LLMs模型，有效调节有害输入输出。相比OpenAI和Perspective API，它在检测有害内容和防御攻击方面表现出色。其方法为更安全的LLMs发展树立了新标准。

该文章介绍了一种新颖的基于触发集的水印技术，对功能盗取攻击表现出强韧性，无需额外模型训练。该方法通过计算可在源模型和代理模型集之间传输的触发集，有效用于盗取模型的所有权验证。在多个基准测试中，该方法优于当前最先进的水印技术。

英飞凌TPM安全微控制器存在侧通道攻击弱点，影响YubiKey等硬件安全密钥。漏洞无法修复，但攻击难度较大，大多数用户不受影响。建议高安全环境用户购买新的硬件密钥。英飞凌尚未回应安全公司的邮件。

合作、优势、弱点、沟通、批判性思维是成功谈判的关键。

本文对BERT、GPT-2和T5三种预训练语言模型进行了鲁棒性测试，发现GPT-2表现更好。丢失名词、动词或改变字符是最具影响力的扰动。这项研究揭示了基于Transformer的模型的弱点。