LockBit 5.0于2025年9月发布，作为勒索软件服务的重大升级。其模块化架构和两阶段执行模型提高了隐蔽性和攻击效果，有效规避检测，持续威胁各类组织。

本研究提出了UNIDOOR，一个通用的动作级后门攻击框架，旨在解决深度强化学习中的后门攻击问题。UNIDOOR通过自适应探索后门奖励函数，显著提升了攻击效果，展示了其在多种攻击场景下的优越性能和广泛适用性。

本研究探讨了大型语言模型（LLMs）在黑盒环境下的拒绝服务（DoS）攻击问题。提出的自动化算法AutoDoS通过优化提示节点和引入DoS攻击树，显著提高了攻击效果，增加了服务响应延迟并导致资源消耗，展示了其隐蔽性和有效性。

本文提出了评估客户隐私泄漏攻击的框架，分析了联邦学习中的攻击效果及防御策略。研究表明，攻击者可通过共享参数重构私有数据，并探讨了隐私保护与模型准确性之间的权衡。最终，提出了多种防御机制以增强联邦学习系统的安全性。

本文综合研究和分类了联合学习中的毒化攻击，并关注了生产环境中的非定向毒化攻击及防御机制。实验证明，即使是简单低成本的防护措施，联合学习也是强健的。同时，提出了新型的数据和模型毒化攻击，并研究了在简单防御机制下的攻击效果。

本文研究了联合学习中的毒化攻击，分类了威胁模型和攻击形式，并关注非定向毒化攻击及防御机制。实验证明，即使是简单低成本的防护措施，联合学习也很强健。同时，提出了新型的数据和模型毒化攻击，并探究了在简单防御机制下的攻击效果。