运维派是国内早期的IT运维社区，提供适合零基础学习者的网络安全思维导图，涵盖SQL注入、XSS、CSRF等攻击防御知识，帮助新手入门。

本研究提出了WeiDetect防御机制，旨在解决联邦学习在网络入侵检测中的数据隐私和攻击防御问题。实验结果表明，该机制的性能优于现有方法，召回率提升了70%。

本研究提出了一种新的防御模型盗用的方法——账户感知分布差异（ADD），旨在识别恶意查询。实验结果表明，D-ADD模块在图像分类模型中有效防御多种攻击，同时对正常用户的影响较小。

本研究提出AISafetyLab框架及工具包，旨在解决AI安全评估标准化不足的问题。通过整合多种攻击、防御和评估方法，并对Vicuna进行实证研究，分析其策略的有效性，为AI安全研究提供参考。

本研究提出G4D框架，旨在增强大型语言模型（LLMs）的安全性，解决防御能力不足和过度防御的问题。G4D通过外部信息提供用户意图的无偏总结和安全响应指导，实验表明其能提高模型对攻击的稳健性，同时保持通用功能。

本文探讨了在联邦学习中实现用户级差分隐私的多种方法，提出了DPNR、TextHide、SubMix和SentDP等技术，这些技术有效减少了隐私泄露，并对模型性能影响较小。同时，研究讨论了针对语言模型的攻击及防御策略，强调了在分布式学习中保护用户隐私的重要性。

本文探讨了联邦学习中安全聚合协议的隐私与安全性问题，提出了多种新协议以提高通信效率和保护用户隐私。研究表明，现有协议在面对攻击时存在弱点，强调了额外隐私增强机制的必要性。

本文综述了垂直联邦学习（VFL）的概念、算法及其面临的挑战，介绍了隐私保护协议和攻击防御策略，并提出了VFLow框架。同时，探讨了MMVFL框架中的多方参与和标签共享，分析了安全性问题及干扰攻击，提出了Flex-VFL算法以优化性能。最后，回顾了工业应用的进展及未来研究方向。

微软发布修复 BlackLotus bootkit 漏洞，需先安装 2023-05 例行更新，2024 年 Q1 后默认启动修复程序，防止攻击者绕过安全启动。