Jakob Nyberg; Teodor Sommestad; Andrei Buhaiu; Joakim Loxdal; Pontus Johnson; Mathias Ekstedt
Summary
This study evaluates autonomous network incident response agents within a cyber range designed for human operator training, comparing heuristic policies against reinforcement learning (RL) policies. The RL agents demonstrated superior defe…
Method
Pengaturan eksperimen memanfaatkan cyber range dengan lingkungan jaringan teremulasi bertopologi variabel, emulasi red-team, dan agen pengguna tersimulasi. Alert yang dihasilkan p…
Results
Eksperimen menunjukkan bahwa agen reinforcement learning secara keseluruhan lebih efisien dalam mempertahankan sistem dibandingkan kebijakan heuristik. Secara spesifik, agen RL mencapai biaya gabunga…
Chris S. Lin; Joyce Qu; Aditya Rajeev; Gururaj Saileshwar
Summary
GPUThor introduces non-uniform hammering patterns that reverse-engineer GPU memory-access coalescing to intensify aggressor rows, yielding up to 23,500X more bit flips than prior GPU Rowhammer attacks. It also enables the first Rowhammer e…
Method
GPUThor merekayasa balik perilaku coalescing akses memori GPU untuk memungkinkan pola hammering non-uniform pada GPU, yang mengaktifkan aggressor row lebih intens dibandingkan dec…
Results
Secara bersama-sama, teknik-teknik ini menghasilkan 500X hingga 23.500X lebih banyak bit flip dibandingkan serangan Rowhammer GPU sebelumnya, pada beberapa GPU NVIDIA (A4000, A4500, A5000, A6000), me…
Jakob Nyberg; Sandor Berglund; Andrei Buhaiu; Joakim Loxdal; Pontus Johnson; Mathias Ekstedt
Summary
The MAL Simulator is a cyber operation simulator built on the Meta Attack Language (MAL) that enables decision-driven attack and defense simulations without source code modification. Case studies show trained RL agents outperform search me…
Method
MAL Simulator diarsiteki di sekitar MAL, bahasa pemodelan serangan probabilistik. Model MAL terdiri dari aset, langkah serangan, dan pertahanan, yang terhubung melalui graf serang…
Results
Eksperimen menghasilkan tiga temuan kunci. Pertama, kebijakan penyerang terlatih mencapai target yang ditentukan lebih efisien dibandingkan metode pencarian pembanding, menunjukkan efektivitas RL unt…
He (2026) constructs an ε-differentially private synthetic measure for n points in [0,1]^d by applying PrivTree to build an adaptive binary partition and privately releasing its leaf masses. The 1-Wasserstein error is Õ_d((εn)^{-1/d}) for…
Method
Mekanismenya adalah prosedur dua tahap. Pertama, PrivTree (algoritma partisi hierarkis privat diferensial) dijalankan pada dataset untuk menghasilkan partisi biner adaptif $\mathc…
Results
Makalah ini menetapkan tiga hasil utama. Pertama, untuk setiap $d \ge 2$ dan setiap dataset berisi $n$ titik di $[0,1]^d$, galat 1-Wasserstein yang diharapkan dari ukuran sintetis memenuhi $$ \mathbb…
This review synthesizes over 120 security publications from 2008 to 2025 on how virtualization and container isolation boundaries are breached, introducing the ADPO framework to quantitatively score defenses and mapping attack impacts onto…
Method
Penelitian ini merupakan tinjauan literatur sistematis yang mencakup lebih dari 120 publikasi keamanan yang diterbitkan antara 2008 dan 2025. Korpus mencakup serangan tingkat hype…
Results
Tinjauan ini mengidentifikasi dan mengevaluasi kelas ancaman pelanggaran isolasi yang luas di kedua lapisan VM dan container. Kategori ancaman utama yang dikaji adalah: 1. **Virtual machine escape** …
MarkSec unifies stealing, scrubbing, and spoofing attacks on LLM watermarks under a shared protocol and introduces a quality-constrained success metric. Experiments show that apparent attack winners depend on text-quality constraints, atta…
Method
MarkSec menyediakan kerangka kerja terpadu untuk mengevaluasi serangan stealing, scrubbing, dan spoofing terhadap watermark LLM. Kerangka kerja ini menstandardisasi kalibrasi dete…
Results
Eksperimen di seluruh keluarga watermark, serangan, LLM, dan dataset yang representatif menghasilkan tiga temuan utama. **Pertama**, serangan yang tampak terkuat hanya berdasarkan penghapusan waterma…
This paper systematically analyzes security threats in LLM-powered autonomous penetration testing agents, proposing a lifecycle-aligned threat taxonomy covering LLM lifecycle, agent-architecture, and cross-cutting behavioral attacks. It hi…
Method
Penulis menggunakan pendekatan analisis keamanan sistematis yang berfokus pada agen pengujian penetrasi AI otonom. Metodologi ini melibatkan tiga langkah utama: 1. **Analisis Arsi…
Results
Analisis ini menghasilkan beberapa temuan kunci: - **Batas Kepercayaan dan Permukaan Serangan**: Agen pengujian penetrasi AI otonom memiliki batas kepercayaan yang diperluas karena kemampuannya berin…
Mobile agents and human users can observe materially different information from the same UI state, a mismatch the authors term human-agent UI desynchronization. By embedding pre-deployment perturbations in repackaged APKs, attackers can st…
Method
Untuk secara sistematis menyingkap dan mengevaluasi ancaman tersebut, penulis mengembangkan kerangka kerja otomatis yang membangun serangan desinkronisasi UI yang agnostik terhada…
Results
Kerangka kerja ini mencapai tingkat menyesatkan rata-rata **77,9%** dalam evaluasi statis dan **66,9%** dalam evaluasi dinamis di 546 tugas, lima kerangka kerja agen, dan tiga model tulang punggung. …
InceptionRAG fragments malicious payloads into chains of individually harmless passages that, when retrieved together, trigger LLMs to self-deduce target misinformation via multi-hop reasoning. It achieves over 80% attack success across th…
Method
InceptionRAG bekerja dengan menguraikan muatan berbahaya menjadi beberapa pasase dorman yang secara individual bersifat benigna. Alur serangan dapat diringkas sebagai berikut: Unt…
Results
Evaluasi ekstensif dilakukan pada **tiga dataset** dan **tiga LLM**. Temuan kuantitatif utamanya adalah: - **Tingkat keberhasilan serangan (ASR) melebihi 80%** bahkan di bawah kendala adversarial yan…
Kai Yao; Bence Szilágyi; Sebestyén Kamp; Máté Poór; Máté Szilveszter; Matyas K. Zsoldos; Marc Juarez
Summary
This paper presents the first systematic robustness benchmark for local invisible image watermarking, evaluating MaskWM, WAM, OmniGuard, TrustMark, and PixelSeal across 55 transformations. It finds that all methods are vulnerable to some t…
Method
Tolok ukur ini mengevaluasi lima metode tanda air lokal: MaskWM, WAM, OmniGuard, TrustMark, dan PixelSeal. Untuk setiap metode, penulis mengukur dua hasil utama: pemulihan payload…
Results
Semua metode yang dievaluasi rentan terhadap suatu transformasi. MaskWM menonjol karena menawarkan pemulihan payload dan lokalisasi terkuat, meskipun memiliki kualitas gambar terendah dalam kondisi b…
