SecureReviewer: Enhancing Large Language Models for Secure Code Review through Secure-aware Fine-tuning
1 State Key Laboratory of Complex \& Critical Software Environment, School of Computer Science;Engineering, Beihang University, China
提出SecureReviewer方法,通过构建定制数据集、安全感知微调策略和集成RAG技术,增强了LLM在代码审查中识别和解决安全问题的能力,并引入SecureBLEU指标,在检测准确性和评论质量上优于基线。
2025-10-30 cs.AI cs.CL cs.SE
HexaCoder: Secure Code Generation via Oracle-Guided Synthetic Training Data
CISPA Helmholtz Center for Information Security(CISPA亥姆霍兹信息安全中心)
本文提出 HexaCoder,利用安全 oracle 引导自动合成脆弱/修复代码对并以 LoRA 微调,使 LLM 先引入安全库再生成代码,在四个模型和三个基准上最高减少 85% 漏洞且保持功能正确性。
2024-09-10 cs.AI cs.CL cs.CR
MPC-Minimized Secure LLM Inference
UC Berkeley(加州大学伯克利分校);UC San Diego(加州大学圣迭戈分校)
Marill框架通过调整LLM微调架构,将昂贵操作移出MPC以最小化安全推理开销,在保持90%以上下游任务性能的同时实现3.6-11.3倍运行时间提升和2.4-6.9倍通信改善。
2024-08-07 cs.AI cs.CR cs.LG
Secure Coding Drift in LLM-Assisted Post-Quantum Cryptography Development: A Gamified Fix
University of Moratuwa(摩图瓦大学);University of Ruhuna(鲁胡纳大学);RMIT University(皇家墨尔本理工大学)
提出LLM辅助PQC开发中的安全编码漂移模型,通过游戏化框架将LLM转变为主动安全协作者,以缓解长期依赖LLM导致的安全退化。
2026-06-19 cs.AI cs.CR cs.SE
Secure Comparison Without Explicit XOR
我们提出了一个有效的协议,安全比较整数时,两个整数之间共享的两方。这样的协议对于实现安全拍卖是有用的。所提出的协议的计算复杂性大约是最知名的有效协议的复杂性的一半。所提出的协议的效率源于删除XOR计算,这是一个耗时的操作。
2012-04-12 cs.CR
A Survey of Secure Computation Using Trusted Execution Environments
Singapore Management University(新加坡管理大学);Xidian University(西安电子科技大学);Chongqing University(重庆大学);Jinan University(暨南大学)
作为支撑可信计算的一项重要技术,可信执行环境(TEE)允许在本地和异地数据上启动计算任务,同时确保机密性和完整性。本文提供了一个系统的审查和比较基于TEE的安全计算协议。我们首先提出了一个分类法,将安全计算协议分为三大类,即安全外包计算,安全分布式计算和安全多方计算。为了使这些协议的公平比较,我们还提出了全面的评估标准,就四个方面:设置,方法,安全性和性能。基于这些标准,我们回顾,讨论和比较最先进的基于TEE的安全计算协议的通用计算功能和专用的,如隐私保护机器学习和加密数据库查询。据我们所知,这篇文章是第一次调查,审查基于TEE的安全计算协议和全面的比较可以作为一个指南,选择合适的协议部署在实践中。最后,我们还讨论了几个未来的研究方向和挑战。
2023-02-23 cs.AI cs.CR cs.DB
Entropically secure cipher for messages generated by Markov chains with unknown statistics
2002年,Russell和Wang提出了一个在秘密密钥密码学框架内发展的熵安全的定义。一个熵安全系统是无条件安全的,也就是说,无论敌人的计算能力如何,它都是牢不可破的。2004年,Dodis和Smith发展了Russell和Wang的结果,特别指出熵保护对称加密方案的概念对密码学非常重要,因为可以用比密钥短得多的密钥来构造熵保护对称加密方案。输入数据的长度,这允许你绕过著名的香农密钥长度下限。在这份报告中,我们提出了一个熵保护的方案的情况下,加密的消息是由一个马尔可夫链与未知的统计。所需的秘密密钥的长度与消息长度的对数成比例(与一次性密码本的消息本身的长度相反)。
2022-05-08 cs.CR
Secure and Robust Watermarking for AI-generated Images: A Comprehensive Survey
本文综述了AI生成图像水印技术,从系统形式化、方法比较、评估指标、安全漏洞及未来挑战等方面系统分析,为研究者提供全面理解以推动安全可信的AI生成内容发展。
2026-03-15 cs.CR cs.CV
Faster Secure Comparisons with Offline Phase for Efficient Private Set Intersection
在私有部分交集(PSI)协议中,Alice和Bob计算他们各自集合的交集,而不公开不在交集中的任何元素。PSI协议已经在文献中被广泛研究,并在工业中部署。随着最先进的协议实现最佳渐近复杂度,性能改善是罕见的,只能提高复杂度常数。在本文中,我们提出了一个新的私人,非常有效的比较协议,导致PSI协议与低常数。我们的比较协议的一个有用的属性是,它可以分为在线和离线阶段。所有昂贵的加密操作都在离线阶段执行,在线阶段每次比较只执行四次快速字段操作。这导致了一个令人难以置信的快速在线阶段,我们的评估表明,它优于相关的工作,包括KKRT(CCS 16),VOLE-PSI(EuroCrypt 21)和OKVS(Crypto 21)。我们还评估了使用不同信任假设实现离线阶段的标准方法:加密,硬件和第三方(经销商模型)。
2022-09-28 cs.CR
Secure Storage and Privacy-Preserving Scanpath Comparison via Garbled Circuits in Eye Tracking
Technical University of Munich(慕尼黑工业大学)
本文提出基于混淆电路的方法,实现眼动追踪数据的安全存储和隐私保护的扫描路径比较,支持双端协作和服务器辅助两种模式,实验验证其在不同网络条件下具有实用性。
2026-04-21 cs.CR cs.HC
Post Quantum Cryptography and its Comparison with Classical Cryptography
本文对比经典密码学与量子密码学,阐述量子密码学基于量子力学原理在检测和阻止窃听方面的优势,揭示其对安全通信格局的革命性影响。
2024-03-28 cs.CR quant-ph
SecureForge: Finding and Preventing Vulnerabilities in LLM-Generated Code via Prompt Optimization
Stanford University(斯坦福大学)
本文提出SecureForge框架,通过自动化流程发现并减少LLM生成代码中的安全漏洞,提升代码安全性的同时保持单元测试性能,实验显示漏洞减少达48%。
2026-05-08 cs.CL cs.CR cs.CY
MPC Protocol for G-module and its Application in Secure Compare and ReLU
Ant Group(蚂蚁集团);Tongji University(同济大学)
安全比较和安全选择是安全多方计算(MPC)的两个基本协议。这些协议的一个重要应用是隐私保护深度学习中的安全ReLU和DReLU计算。在本文中,我们引入G-模块,一个数学工具,重新设计这样的协议。在数学中,给定一个群G,G-模是一个阿贝尔群M,G在其上的作用与M上的阿贝尔群结构相容。我们设计了三个G-模操作的安全协议。即“G模块动作”、“跨G模块动作”和“G模块恢复”。据我们所知,这是第一个关于安全G-模运算的工作。在此基础上,我们设计了安全的比较、选择、ReLU和DReLU协议,与现有技术相比,通信效率提高了2倍到10倍。我们的协议也是非常有效的计算。它们不需要公钥操作或任何其他昂贵的操作。
2021-02-04 cs.CR cs.LG math.GR
Three-Party Integer Comparison and Applications
安全整数比较由于其简单的描述和广泛的应用,一直是密码学领域的研究热点。其目的是使双方能够比较其投入,而不透露这些投入的确切价值。在本文中,我们强调三方整数比较(TPIC),其中一个\emph{judge},没有私人输入,想知道比较结果,而两个\emph{competitors}持有秘密整数进行隐私保护比较。裁判主动地获得结果,而不是被动地等待竞争对手发送结果。考虑到\emph{Mixed adversaries}具有不同的性能,我们给出了两种TPIC结构.一个是对半诚实的对手与低计算和通信成本的安全,而另一个是对恶意对手的安全。基于TPIC,我们通过具体的应用,包括一个联合投标方案和一个实际的拍卖,提出了多方比较。对应用程序的安全性进行了简要的证明和分析。相比之下,我们的拍卖方案更有效,成本更低,使其在实践中可行,而不是理论设计。所有的比较和应用方案都运行在区块链之上,需要恒定的轮数。
2021-05-03 cs.CR
Rust for Secure Backend Development: A Critical Review and Extended Vulnerability Comparison with Node.js and Django
Virginia Tech(弗吉尼亚理工大学);Bangladesh University of Engineering and Technology(孟加拉国工程与技术大学)
本文通过对比实验,分析Rust在后端Web开发中的安全态势,发现其编译时保障在系统层占优,而Node.js和Django等托管框架在应用层内置防御更强,建议Web场景采用Rust需补充防御措施。
2026-08-25 cs.CR cs.PL
Comparison of secure and high capacity color image steganography techniques in RGB and YCbCr domains
隐写术是一种用于秘密通信的方法。隐写术试图隐藏信息的存在。用于隐藏秘密信息的对象称为cover对象。图像是用于隐写术的最流行的覆盖对象。彩色图像隐写和灰度图像隐写由于存储方式不同,需要采用不同的技术。彩色图像通常以24位深度存储,灰度图像以8位深度存储。彩色图像具有三个颜色分量,因此可以包含大量的秘密信息。不同的颜色空间,即RGB(红绿蓝),HSV(色调,饱和度,值),YUV,YIQ,YCbCr(亮度,色度)等用于表示彩色图像。彩色图像隐写可以在任意颜色空间域进行。比较了RGB域和YCbCr域的彩色图像隐写算法。所考虑的秘密信息是灰度图像。由于RGB是常见的表示方法,因此以这种格式隐藏秘密信息是不安全的。
2013-07-11 cs.CR cs.MM
Efficient Multi-Party Secure Comparison over Different Domains with Preprocessing Assistance
本文提出了一种拍卖师辅助的多域安全比较协议,通过预处理优化实现高效且安全的多方计算应用。
2026-02-23 cs.CR
Security and Performance Comparison of Different Secure Channel Protocols for Avionics Wireless Networks
综合模块化航空电子设备(IMA)的概念是指由有线技术支持的航空电子设备的互连件,具有严格的可靠性和安全性要求。如果互连线在物理上是安全的,使得恶意用户无法直接访问它们,则这强制(至少部分地)网络的安全性。然而,用无线网络(在本文中称为航空电子无线网络(AWN))取代有线网络带来了许多与保证、可靠性和安全性相关的新挑战。因此,AWN必须确保它至少提供由等效有线网络提供的所需的安全性和安全性级别。为通信信道提供有线等效安全性需要在连接到AWN的实体之间建立强大的安全(加密)信道。在本文中,我们提出了三种方法来建立这样一个安全信道的基础上(i)预共享密钥,(ii)可信的密钥分发,和(iii)密钥共享协议。对于这些方法中的每一种,我们提出了两个代表性的协议变体。然后,这些协议作为演示AWN的一部分实现,然后基于性能测量对它们进行比较。最重要的是,我们已经评估了这些协议的基础上,我们在本文中定义的AWN的安全和操作要求。
2016-08-17 cs.CR cs.NI cs.PF
MASCARA: Systematically Generating Memorable And Secure Passphrases
密码是在线验证用户身份的最常用机制。然而,研究表明,用户发现很难创建和管理安全密码。为此,密码短语通常被推荐作为密码的可用替代品,这可能很容易记住并且很难猜测。然而,正如我们所展示的,用户选择的密码短语不够安全,而最先进的机器生成的密码短语很难记住。在这项工作中,我们的目标是解决系统的缺点,生成密码用于实际使用。特别是,我们解决的问题,生成安全和难忘的密码,并将它们与用户选择的密码在使用中。我们从先前泄露的密码数据库中识别并表征了72999个用户选择的使用中的唯一英语密码短语。然后,我们利用这种理解来创建一个新的框架来衡量密码短语的可记忆性和可猜测性。利用我们的框架,我们设计MASCARA,它遵循一个受约束的马尔可夫生成过程来创建优化的可记忆性和可猜测性的密码短语。我们对密码短语的评估表明,MASCARA生成的密码短语比用户生成的密码短语更难猜测,同时与最先进的机器生成的密码短语相比更容易记住。我们与众包平台Prolific进行了一项由两部分组成的用户研究,以证明用户在使用MASCARA密码时具有最高的记忆召回率(和最低的出错率)。此外,对于用户所需长度的密码短语,与当前系统生成的密码短语相比,MASCARA生成的密码短语的召回率高出60-100%。
2023-03-16 cs.CR cs.HC
Fast and Accurate Likelihood Ratio Based Biometric Comparison in the Encrypted Domain
随着生物特征验证应用的激增,用户变得更容易受到隐私侵犯。生物识别数据对隐私非常敏感,因为它可能包含性别,种族和健康状况等信息,在验证过程中不应与第三方共享。此外,生物识别数据落入坏人之手往往会导致身份盗窃。安全的生物特征验证方案试图克服这种隐私威胁。不幸的是,现有的安全解决方案要么引入了沉重的计算或通信开销,要么必须接受准确性的高损失;这两者都使它们在现实世界中不切实际。本文提出了一种新的方法来安全的生物特征验证,旨在效率和准确性之间的实际权衡,同时保证对诚实,但好奇的对手完全安全。该系统使用基于椭圆曲线的同态ElGamal加密在加密域中执行验证,以提高效率。分类是基于对数似然比分类器,已被证明是非常准确的。在使用双方安全协议的验证过程中不会泄露任何私人信息。初步测试表明,在毫秒范围内计算出的结果非常准确。
2017-05-28 cs.CR
How Secure is Code Generated by ChatGPT?
Université du Québec en Outaouais(渥太华谷大学);Institut National de Recherche Scientifique(国家科学研究院)
研究评估了ChatGPT生成代码的安全性,探讨了通过提示提高安全性的方法及AI生成代码的伦理问题。
2026-04-07 cs.CR
A Practical Solution to Yao's Millionaires' Problem and Its Application in Designing Secure Combinatorial Auction
电子商务和电子投票平台的出现导致互联网上的敏感信息数量增加。这导致对安全和私密的信息计算手段的需求增加。对此,姚氏百万富翁的问题,即,为了安全地确定两个百万富翁中的富人,找到了一个应用程序。在这项工作中,我们提出了一个新的解决方案,姚的百万富翁的问题,即隐私保护比较(PPC)。我们表明,PPC实现这种比较在恒定的时间,以及在一个执行。PPC使用半诚实的第三方进行比较,这些第三方不了解有关值的任何信息。此外,我们还证明了PPC是抗合谋的。为了证明PPC的重要性,我们提出了一个安全的,近似的单一的组合拍卖,我们称之为TPACAS,即,真实的,隐私保护近似组合拍卖为单一的头脑投标人。我们表明,TPACAS,不像以前的作品,保留了以下相关的拍卖隐私:代理隐私,失败的投标人的身份必须不透露给任何其他代理除了拍卖人(AU),投标隐私,投标值必须隐藏从其他代理以及AU和投标拓扑隐私,必须对其他代理以及AU隐藏代理正在竞价的项目。我们通过仿真证明了TPACAS的实用性。最后,我们还研究了TPACAS在公共分布式账本上的实现,例如以太坊区块链。
2019-06-15 cs.CR
Survey and Systematization of Secure Device Pairing
已经开发了安全设备配对(SDP)方案以促进智能设备(个人移动设备和物联网(IoT)设备两者)之间的安全通信。SDP方案的比较和评估是麻烦的,因为每个方案对带外信道和对手模型做出不同的假设,并且由其特定的用例驱动。一个概念模型,便于有意义的比较SDP计划是缺失的。我们提供了这样一种模式。在本文中,我们调查和分析了文献中描述的各种SDP方案,包括一些已被采纳为标准的方案。在此基础上,建立了SDP方案的系统模型和一致性术语,并将其用于对现有SDP方案进行分类,首次实现了对现有SDP方案的有意义的比较和分析,并利用该模型对现有SDP方案进行了分析,揭示了所调查的SDP方案中存在的共同系统安全弱点,这些弱点应成为未来SDP研究的优先领域,例如改进将隐私要求集成到SDP方案的设计中。我们的研究结果允许SDP方案设计者创建更容易相互比较的方案,并协助预防当前一代SDP方案中常见的弱点。
2017-09-20 cs.CR
TypePilot: Leveraging the Scala Type System for Secure LLM-generated Code
Institute of Entrepreneurship & Management, HES-SO Le Foyer, Techno-Pôle 1 Sierre, Switzerland(创业与管理学院,HES-SO莱福院,技术园区1,瑞士);Institute of Informatics, HES-SO Techno-Pôle 3 Sierre, Switzerland(信息学院,HES-SO技术园区3,瑞士);Cyber-Defence Campus armasuisse, Science and Technology Thun, Switzerland(网络安全校区,armasuisse,科技,瑞士)
本文提出 TypePilot 框架,利用 Scala 等强类型语言提升 LLM 生成代码的安全性,实验证明其类型导向智能体流水线能大幅缓解输入验证和注入漏洞,提升高保障领域代码生成可信度。
2025-10-13 cs.CL cs.CR
Efficient decision tree training with new data structure for secure multi-party computation
我们提出了一个安全的多方计算(MPC)协议,构造一个秘密共享的决策树为一个给定的秘密共享数据集。先前基于MPC的决策树训练方案(Abspoel et al. 2021)需要$O(2^hmn\log n)$比较,树高$h$为指数,$n$和$m$分别为数据集中的行数和属性数。$h$中的指数比较次数的原因是决策树训练算法基于分治范式,其中在每次拆分之后添加虚拟行以隐藏数据集中的行数。我们通过安全的数据结构来解决这个问题,该结构使我们能够在隐藏分组信息的同时计算每个组的聚合值。通过使用这种数据结构,我们可以训练一棵决策树,而不添加哑行,同时隐藏中间数据的大小。我们具体描述了一个决策树训练协议,只需要$O(hmn\log n)$比较时,输入属性是连续的,输出属性是二进制的。请注意,顺序现在是树高度$h$中的\emph{linear}。为了证明我们的协议的实用性,我们实现了它在MPC框架的基础上的三方秘密共享方案。我们的实现结果表明,我们的协议在33秒内训练了一个高度为5的决策树,数据集为10万行和10个属性。
2021-12-24 cs.CR
Quantum Private Comparison: A Review
本文综述量子隐私比较(QPC)协议,按量子实现机制分为量子密码学、超密编码和纠缠交换三类,分析其进展、设计思想与特征,并展望应用及三个研究方向。
2013-12-19 cs.CR
Beyond Yao's Millionaires: Secure Multi-Party Computation of Non-Polynomial Functions
本文提出基于Shamir秘密共享的无条件安全N方比较方案,在不泄露私有输入和中间结果的前提下确定最大值,并可扩展计算最小值、中位数、秩等非多项式函数,计算复杂度低于现有方案,适用于联邦学习等场景。
2024-10-22 cs.CR cs.IT math.IT
Rethinking the Evaluation of Secure Code Generation
University of Utah(犹他大学)
针对现有安全代码生成评估方案中安全性与功能正确性分开评估、依赖单一静态分析器的问题,本研究通过同时评估同一代码的安全性和功能、使用多种分析工具,揭示了现有技术存在的性能缺陷与评估局限性。
2025-11-12 cs.CR cs.LG cs.SE
A Systematic Comparison of Encrypted Machine Learning Solutions for Image Classification
Imperial College London(帝国理工学院);Technical University of Munich(慕尼黑工业大学);ConsenSys Health
这项工作提供了一个全面的审查现有的框架的基础上安全计算技术的背景下,私人图像分类。深入分析这些方法之后,仔细检查其性能成本,特别是运行时和通信开销。为了进一步说明使用不同隐私保护技术时的实际考虑因素,使用四个在数据科学堆栈的核心实现安全计算的最先进的库进行了实验:PySyft和CrypTen通过安全多方计算支持私有推理,TF-Trusted利用可信执行环境和HE- Transformer依赖于同态加密。我们的工作旨在从可用性,运行时要求和准确性的角度来评估这些框架的适用性。为了更好地理解最先进的协议与数据科学家目前在实践中可用的协议之间的差距,我们设计了三个神经网络架构,以通过上述四个框架中的每一个获得安全的预测。在MNIST数据集上评估了两个网络,在Malaria Cell图像数据集上评估了一个网络。我们观察到TF-Trusted和CrypTen的令人满意的性能,并注意到所有框架都完美地保留了相应明文模型的准确性。
2020-11-11 cs.CR cs.LG
How to Securely Shuffle? A survey about Secure Shufflers for privacy-preserving computations
University of Twente(特文特大学);Inria(法国国家信息与自动化技术研究院)
本文综述了26种安全洗牌协议,分析其分类、比较及隐私保护技术,提供选择指南和未来研究方向。
2025-12-01 cs.CR cs.LG
Blockchain-aided Secure Semantic Communication for AI-Generated Content in Metaverse
虚拟传输网络的构建需要将大量数据从边缘设备传输到虚拟服务提供商(VSP),以促进Metaverse中物理域和虚拟域之间的循环。利用语义通信来减少信息冗余,VSP可以从边缘设备接收语义数据,以通过先进的技术提供各种服务,例如,AI生成的内容(AIGC),供用户探索数字世界。但是语义通信的使用带来了安全问题,因为攻击者可以发送具有相似语义信息但不同所需内容的恶意语义数据来破坏Metaverse服务并导致AIGC的错误输出。因此,在本文中,我们首先提出了一个区块链辅助的语义通信框架,用于虚拟交通网络中的AIGC服务,以促进VSP和边缘设备之间的物理和虚拟域的交互。我们说明了一个基于训练的有针对性的语义攻击计划,通过各种损失函数生成对抗性的语义数据。我们还设计了一个语义防御方案,该方案使用区块链和零知识证明来区分对抗性和真实性语义数据的语义相似性之间的差异,并检查语义数据转换的真实性。仿真结果表明,与攻击方案相比,该防御方法可以将敌对语义数据与真实语义数据的语义相似度降低30%。
2023-01-25 cs.CR cs.CY
(Don't) Trust, but (Don't) Verify: Developers' Attention to Security in AI-Generated Code
Tufts University(塔夫茨大学);Philips(飞利浦);Colorado School of Mines(科罗拉多矿业学院)
本研究通过远程观察100名开发者评估AI生成代码的过程,发现开发者对安全性的关注不足,信任影响决策,且难以识别漏洞,为AI辅助安全开发提供基础见解。
2026-09-21 cs.CR cs.SE
Provably Secure Robust Image Steganography via Cross-Modal Error Correction
University of Science and Technology of China(中国科学技术大学)
提出一种基于自回归图像生成模型和跨模态纠错的高质量、可证明安全且鲁棒的图像隐写方法,在保证不可检测性的同时提升隐写质量、容量和鲁棒性。
2024-12-15 cs.CR cs.CV cs.MM
How Secure is Secure Code Generation? Adversarial Prompts Put LLM Defenses to the Test
University of Luxembourg(卢森堡大学)
本文评估了生成安全代码方法在对抗性条件下的鲁棒性,发现现有方法在安全性和功能性上存在显著缺陷,提出改进最佳实践。
2026-01-11 cs.CR cs.SE
SecureVibeBench: Benchmarking Secure Vibe Coding of AI Agents via Reconstructing Vulnerability-Introducing Scenarios
University of Science and Technology of China(中国科学技术大学)
本文提出SecureVibeBench,一个包含105个C/C++安全编码任务的基准测试,旨在评估AI代理在真实场景中生成安全代码的能力,发现现有方法在评估人类与AI代理对比时的不足。
2026-06-06 cs.AI cs.CL cs.CR
Can Developers rely on LLMs for Secure IaC Development?
Technische Universität Clausthal(不伦瑞克工业大学)
研究评估了LLM在安全IaC开发中的能力,发现指导提示能显著提高安全异味检测和生成安全代码的效率,但仍有改进空间。
2026-02-03 cs.CR
Persistent Human Feedback, LLMs, and Static Analyzers for Secure Code Generation and Vulnerability Detection
Technische Universität Clausthal(不伦瑞克工业大学)
本文提出了一种持久存储人类反馈的框架,以提升LLMs在安全代码生成和漏洞检测中的可靠性。
2026-02-05 cs.CR
Hades: Homomorphic Augmented Decryption for Efficient Symbol-comparison -- A Database's Perspective
本文提出HADES框架,基于RLWE实现无需密文扩展的FHE密文高效安全比较,支持整数和浮点运算,并在真实数据集上优于现有基线。
2024-12-28 cs.CR cs.DB
AESHA3: Efficient and Secure Sub-Key Generation for AES Using SHA-3
针对AES子密钥生成存在安全弱点及顺序生成开销大的问题,提出使用SHA-3生成子密钥的AESHA3加密方法,实验证明其生成速度比标准AES快约1300倍,有效提升了安全性和资源受限IoT设备的效率。
2025-04-21 cs.CR
STEAD: Robust Provably Secure Linguistic Steganography with Diffusion Language Model
University of Science and Technology of China(中国科学技术大学);Anhui Province Key Laboratory of Digital Security(安徽省数字安全重点实验室)
STEAD利用扩散语言模型实现鲁棒且可证明安全的语言隐写术,通过部分并行生成和纠错策略提升隐写文本的抗篡改能力。
2026-01-21 cs.CR
Secure Codes with List Decoding
本文研究了用于多媒体内容版权保护的叛逆者追踪中的组合安全码。首先,我们引入了一个新的概念,安全代码与列表解码(SCLDs)的抗共谋的多媒体指纹,其中包括许多现有类型的指纹代码的特殊情况。接下来,我们建立了有效的识别算法,具有完整的可追溯性,并建立其最大可能的码率的界限。与现有的指纹码相比,它表明,SCLD不仅有更有效的可追溯性比可分离的代码,但也有一个更大的码率比防帧码。作为一个副产品,新的界限上的最大码率的二进制可分离码的建立以及。在此基础上,提出了一种两阶段的动态叛逆者追踪框架,该框架不仅可以有效地实现动态场景下的多媒体指纹的完全可追踪性,而且可以提供比静态场景更大的追踪容量。
2023-02-05 cs.CR cs.DM cs.IT
SRACARE: Secure Remote Attestation with Code Authentication and Resilience Engine
最近的技术进步使得小型嵌入式和物联网设备的使用激增,用于收集、处理和传输安全关键信息和用户数据。这种指数级的使用在最近复杂攻击的增长中起到了催化剂的作用,例如重放、中间人和恶意代码修改,以在恶意活动中隐藏、泄漏、调整或利用安全关键信息。因此,设备的安全通信和软件状态保证(在运行时和引导时)已经成为开放的安全问题。此外,这些设备需要具有适当的恢复机制,以使其恢复到已知良好的工作状态。以前的研究人员已经证明了独立的攻击检测和保护方法。然而,他们中的大多数缺乏提供车载系统恢复和安全通信技术。为了弥合这一差距,本文提出了SRACARE-一个框架,该框架利用自定义的轻量级安全通信协议执行远程/本地认证,并通过板载弹性恢复机制进行安全启动,以保护设备免受上述攻击。该原型采用了一个高效的轻量级,低功耗的32位RISC-V处理器,安全通信协议,代码认证和弹性引擎上运行的Artix 7现场可编程门阵列(FPGA)板。这项工作提出了性能评估和国家的最先进的比较结果,这表明有前途的弹性攻击,并展示了新的保护机制与板载恢复。该框架仅用8%的性能开销和非常小的硬件-软件占用空间增加来实现这些。
2021-01-15 cs.CR
Hardware-Software Contracts for Secure Speculation
自从Spectre被发现以来,已经提出了大量用于安全推测的硬件机制。直觉上,防御性更强的机制效率较低,但可以安全地执行更大类的程序,而许可性更强的机制可能提供更高的性能,但需要更多的防御性编程。不幸的是,没有硬件-软件契约可以将这种直觉转化为原则性协同设计的基础。在本文中,我们提出了一个框架,指定这样的合同,我们证明了它的表现力和灵活性。在硬件方面,我们使用的框架提供了第一个形式化和比较的安全保证所提供的一类代表性的安全投机机制。在软件方面,我们使用的框架来表征程序的属性,保证安全的协同设计在两个方案传统上孤立调查:(1)确保一个良性的程序不泄漏信息,而计算机密数据,(2)确保潜在的恶意程序不能读取其指定的沙箱之外。最后,我们将展示如何根据现有的软件验证工具来检查与这两种情况对应的属性,并使用它们来验证我们在可执行代码上的发现。
2020-10-01 cs.CR
Shifting-Merging: Secure, High-Capacity and Efficient Steganography via Large Language Models
本文提出ShiMer,通过伪随机平移大语言模型概率区间并采样token实现安全隐写,并设计重排序算法提升容量,在安全隐写中取得最高容量与效率。
2025-01-01 cs.CR
Practically Efficient Secure Computation of Rank-based Statistics Over Distributed Datasets
在本文中,我们提出了一个实际有效的模型,用于安全地计算基于排名的统计数据,例如,中位数,中位数和四分位数,在恶意环境中的分布式数据集上,而不会泄露个人数据隐私。基于Aggarwal等人的二分查找技术(EUROCITY PT \textquotesingle 04),我们分别提出了一个交互式协议和一个非交互式协议,最多包含$\log ||R||$轮,其中$||R||$是数据集元素的范围大小.此外,我们引入了一系列的优化技术,以降低轮的复杂度。我们的计算模型是模块化的,可以实例化与同态加密或秘密共享计划。与最先进的解决方案相比,它提供了更强的安全性和隐私性,同时保持了高效率和准确性。与基于差异隐私的解决方案不同,它不会在准确性和隐私性之间进行权衡。另一方面,它只涉及$O(N \log ||R||)$时间复杂度,这比那些具有$O(N^2\log ||R||)$时间复杂度的基于逐位比较的解决方案要高效得多,其中$N$是数据集大小。最后,我们提供了一个UC-安全的实例与阈值Paillier密码系统和$Σ$ -协议零知识证明的知识。
2023-02-16 cs.CR
High Reliable secure data collection using Complexity exchanging code key method addressing protocol in Wireless Sensor Network
无线传感器网络(Wireless Sensor Network,WSN)是信息与通信技术中的一个新兴领域。在无线传感器网络中,由于传感器节点的不兼容性,数据传输和数据汇集都是不安全的。因此,为传感器网络提供安全保障是非常重要的。基于密钥的机制是一种安全的数据汇集机制,主要用于保证数据的机密性。由于每对通信节点之间都需要进行数据加密和解密,因此大量使用了区间成对密钥。固定密钥机制中,攻击者很难检测到隐私同态(PH)中随机生成的密钥链函数的规律性,PH意味着没有中间结点进行加解密,只能直接收集和聚合数据进行加解密。这是一种特殊的基于密钥的方案。它完全基于贝塔分布和一些统计工具,使用密钥编码方法,使用复杂性交换码密钥方法寻址协议。我们展示了如何减少重大的攻击和安全的数据汇集无线传感器网络。
2012-07-23 cs.CR cs.NI
Decentralized Vulnerability Disclosure via Permissioned Blockchain: A Secure, Transparent Alternative to Centralized CVE Management
本文提出一种基于许可链的去中心化CVE发布系统,仅授权认证CNA提交并利用智能合约支持受限披露与去中心化治理,通过Hyperledger Fabric原型验证了其在透明度、信任与可审计性上优于现有中心化模式。
2025-05-01 cs.CR
SCGAgent: Recreating the Benefits of Reasoning Models for Secure Code Generation with Agentic Workflows
本文提出主动式安全编码智能体 SCGAgent,通过安全编码指南与 LLM 生成的单元测试兼顾代码安全与功能正确性,并以非推理模型加智能体工作流达到或超过推理模型的安全代码生成表现。
2025-06-08 cs.CR
Secure Coding with AI -- From Detection to Repair
Edinburgh Napier University(爱丁堡纳皮尔大学)
本文研究了GPT生成代码的安全性,评估了LLMs在检测和修复漏洞方面的能力,发现LLMs在真实世界中能显著提高漏洞检测和修复率。
2026-02-17 cs.CR cs.SE