XiaoMi-AI文件搜索系统
World File Search Systemattack
发现RNA ADP核糖基化逆转酶揭示了可能针对有毒攻击的防御模块
摘要核酸ADP-核糖基化及其在催化和水解中的杂化酶在生命的所有王国中都普遍存在。然而，目前不Xpleder Xpled ，其在哺乳动物和细菌pH y生物学中的作用包括 - 植物间冲突。 R ecently, se v eral e xamples of enzymatic sy stems f or RNA ADP-ribosylation ha v e been identified, sho wing that all major types of RNA species, including messenger RNA, ribosomal RNA, and transfer RNA, can be targeted by ADP -ribosyltransf erases (ARTs) whic h at tac h ADP-ribose modifications either to nucle- obases, the backbone核糖或磷酸盐末端。 对于属于宏观域，ARH或Nadar Superf Amilies的RNA ADP-核糖基化的可抗性知之甚少。 在这里，我们表征了ADP-核糖基y drolase对RNA物种ADP-核糖基化的drolytic活性。 我们证明了Nadar ADP-核糖基Y drolase是唯一能够在磷酸末端RNA ADP-核糖基上不活跃的同时，唯一能够对鸟氨酸RNA RNA碱基ADP-核糖基化。 此外，我们揭示了含宏域的PARG酶是唯一具有具有2'-H y DRO Xyl Xyl Xyl Xyl Xyl Xyl Xyl rNA ADP-核糖基催化催化催化sed b y pseudomonAsAsAsAsuginosa效应的特定和有效性的Drolase类型。 moreo ver，使用Rhsp2 /细菌作为e茎，我们证明了par g酶可以作为对抗Xins抗菌RNA-T的保护性免疫酶的作用。，其在哺乳动物和细菌pH y生物学中的作用包括 - 植物间冲突。R ecently, se v eral e xamples of enzymatic sy stems f or RNA ADP-ribosylation ha v e been identified, sho wing that all major types of RNA species, including messenger RNA, ribosomal RNA, and transfer RNA, can be targeted by ADP -ribosyltransf erases (ARTs) whic h at tac h ADP-ribose modifications either to nucle- obases, the backbone核糖或磷酸盐末端。对于属于宏观域，ARH或Nadar Superf Amilies的RNA ADP-核糖基化的可抗性知之甚少。在这里，我们表征了ADP-核糖基y drolase对RNA物种ADP-核糖基化的drolytic活性。我们证明了Nadar ADP-核糖基Y drolase是唯一能够在磷酸末端RNA ADP-核糖基上不活跃的同时，唯一能够对鸟氨酸RNA RNA碱基ADP-核糖基化。此外，我们揭示了含宏域的PARG酶是唯一具有具有2'-H y DRO Xyl Xyl Xyl Xyl Xyl Xyl Xyl rNA ADP-核糖基催化催化催化sed b y pseudomonAsAsAsAsuginosa效应的特定和有效性的Drolase类型。moreo ver，使用Rhsp2 /细菌作为e茎，我们证明了par g酶可以作为对抗Xins抗菌RNA-T的保护性免疫酶的作用。
Telefónica和Vithas测试屏蔽两家医院的量子攻击
●运营商在马德里的两个医院组医疗保健中心之间建立了安全的通信，通过使用量子密钥分布（QKD）系统对信息进行加密保护信息。●该项目已确保了可能未来的量子计算攻击的信息，并保护了机密数据，例如患者的病历。●Telefónica将在其MWC展位上举行的“ Quantum-Safe Technologies for Communications”举行的会议中，将此解决方案与维塔斯（Vithas）一起展示。马德里，2025年2月17日。- Telefónica与Vithas和技术提供商（例如Luxquanta和Qoolnet）合作，通过通过量子光纤链接保护马德里社区中的两家医院，设法在马德里社区中进行了交流。在此项目中，操作员证明了医疗保健中心之间通信的量子安全证券化的可行性，因此将来可以保证敏感数据的免疫力，例如医疗保健数据，例如针对来自量子计算机的可能攻击的医疗保健数据。量子计算将彻底改变各个部门，从而在医学或科学研究等领域取得巨大进步，但它也将为违反当前在大多数互联网通信中使用的加密技术的可能性打开可能性。实际上，这些演员已经在采用一种称为“现在的商店，稍后解密”的做法（SNDL）。telefónica致力于其客户的安全，并在新兴的技术挑战之前，已经在欧洲最稳定，最先进的量子网络基础架构上花费了十多年的量子安全解决方案研究，以对相互联系和受保护的未来产生信心。这家公司和维塔斯（Vithas）同样致力于医疗保健信息的安全性和机密性，与西班牙初创公司Luxquanta合作，专门从事QKD技术，而Qoolnet是马德里大学（UPM）理工大学（UPM）的衍生公司（Quoolnet），通过连接了其他范围，该范围链接了其他范围，该系统链接（QKD）链接（QKD），QKD链接（QKD），QKD链接（QKD），
超出对称方案的量子攻击中的二次加速
2位来自n个位块密码中，带有2个键的密钥，并在理想模型中具有安全性证明。我们证明了Bonnetain等人的OfflIne-Simon算法。（ASIACRYPT 2019）可以扩展到在量子时间e O（2 n）中攻击这种结构，在最佳的古典攻击中提供了2.5个量子加速。关于对称密码的量子后安全性，通常认为将密钥尺寸加倍是一种充分的预防措施。这是因为Grover的量子搜索算法及其衍生物最多只能达到二次加速。我们的攻击表明，可以利用某些对称结构的结构来克服这一限制。尤其是2xor-cascade不能用来加强对量子对手的块密码，因为它仅具有与块密码本身相同的安全性。
机器学习的对抗性攻击与防御
近年来，物联网设备的数量无疑呈爆炸式增长，达到数十亿台。然而，随着这一发展，一些新的网络安全问题也随之出现。其中一些问题是未经授权设备的部署、恶意代码修改、恶意软件部署或漏洞利用。这一事实促使人们需要基于行为监控的新设备识别机制。此外，由于该领域的进步和处理能力的提高，这些解决方案最近利用了机器和深度学习 (ML/DL) 技术。相比之下，攻击者并没有停滞不前，他们开发了针对上下文修改和 ML/DL 评估规避的对抗性攻击，并将其应用于物联网设备识别解决方案。然而，文献还没有详细分析这些攻击对个人识别解决方案的影响及其对策。这项工作探讨了基于硬件行为的个人设备识别的性能，它如何受到可能的上下文和 ML/DL 重点攻击的影响，以及如何使用防御技术提高其弹性。在这个意义上，它提出了一种基于硬件性能行为的 LSTM-CNN 架构，用于个人设备识别。然后，使用从运行相同软件的 45 台 Raspberry Pi 设备收集的硬件性能数据集，将最常见的 ML/DL 分类技术与所提出的架构进行了比较。LSTM-CNN 改进了以前的解决方案，在所有设备上实现了 +0.96 的平均 F1 分数和 0.8 的最低 TPR。之后，对之前的模型应用了以上下文和 ML/DL 为重点的对抗性攻击，以测试其稳健性。基于温度的上下文攻击无法破坏识别，但一些 ML/DL 最先进的逃避攻击是成功的。最后，选择对抗性训练和模型蒸馏防御技术来提高模型对逃避攻击的弹性，将其稳健性从高达 0.88 的攻击成功率提高到最坏攻击情况下的 0.17，而不会以有影响力的方式降低其性能。
DDOS攻击检测和物联网中的性能分析...
摘要。Internet是设备的最常见连接工具，例如计算机，手机，智能手表等。这些设备与指定的服务器通信以提供信息。在这里，我们指的是连接众多称为物联网（IoT）的自动设备的系统。由于设备是不同类别的，有时很小，因此为有需要的人提供全面的安全性变得具有挑战性。但是，物联网上的传感器收集了大量数据，巨大的网络成为企业家的吸引力目标。对物联网的几项攻击之一是分发拒绝服务（DDOS）。机器学习可以在识别物联网中的这些攻击中起关键作用，因为它可以分析大量数据。机器学习模型可以学习合法的train tagre tagre模式，然后确定偏离学习模式的恶意数据包。分类技术可以根据与之相关的几个属性将恶意数据包与真正的数据包区分开。这项工作使用分类技术，例如随机森林，梯度提升和XGBoost来确定trail iC中的恶意数据包。分析表明，诸如Smote和Adasyn之类的平衡技术对于提高技术的性能至关重要。
参考研究任务条款：对大多数世界人权捍卫者的数字攻击形式
本研究任务的上下文背景是越来越多的挑战，限制了人权捍卫者（HRD）在数字时代运作的空间。数字技术的出现为许多人力资源管理提供了一个新的领域来组织和开展其活动。但是，这些新机会还以例如数字监视和在线骚扰，这些数字威胁通常与物理攻击相互链接。这些挑战是数字民主计划（DDI）的总体重点，这项研究任务是其中的一部分。全球关注是由丹麦，挪威和欧盟资助的这项倡议中的民间社会合作伙伴之一。该计划的总体目标是在2023 - 2026年促进和保护数字时代的当地包容性民主空间，并拥有以下两个关键结果：
1064 nm 激光攻击与热损伤相关性...
a 艾克斯马赛大学，CNRS，IM2NP，13451 马赛，法国。b SPINTEC，格勒诺布尔阿尔卑斯大学，CNRS，CEA-SPINTEC，CEA，38000 格勒诺布尔，法国。摘要本文首次在读写操作过程中实时实验研究了 1064nm 激光攻击对 STT-MRAM 单元的影响，以了解传感电路在剧烈温度变化下的行为。技术设计必须考虑到这一点。我们重点介绍了激光发射过程中的读取电流变化，这可能会影响传感电路。我们测量了两种状态之间的切换概率以及照射时间、激光功率和单元尺寸的影响。我们将结果与宽温度范围内的电气特性相关联，表明攻击会以热方式影响 STT-MRAM 行为。总之，可以采取适当的对策。 1. 简介 一种很有前途的非易失性存储器，称为自旋转移力矩磁性随机存取存储器 (STT-MRAM)，它将快速写入操作与高密度和显着的耐久性（高达 1013 次循环）相结合 [1,2]。磁隧道结 (MTJ) 由 CoFeB/MgO/CoFeB 堆栈组成，其中 MgO 层用作隧道阻挡层。通过强制自旋极化电流通过设备，可以将单元从反平行 (AP) 状态编程为平行 (P) 状态和反之亦然。自旋电流的横向分量被自由层吸收，导致 CoFeB 铁磁材料磁化发生扭矩诱导反转，即自旋转移力矩 (STT) 效应 [3,4]，详见 [5]。磁化方向是 MTJ 中数据编码的形式，其读/写延迟由反转的随机性、器件尺寸和流过各层的电流控制 [6]。MTJ 的一个重要特性是隧道磁阻比 (TMR)，定义为 (R AP - RP )/RP ，其中 R AP 和 RP 分别是 AP 和 P 状态的电阻 [7]。本研究的目的是调查红外激光攻击如何影响读取和编程阶段的 STT-MRAM 行为。此外，我们还旨在了解激光攻击的物理贡献，这可能是
由机器学习驱动的端到端自动缓存攻击
信息或电磁发散。自1996年第一次出版关于时机攻击的首次出版物以来，这种称为侧道攻击的新一代攻击在很大程度上引起了研究界的关注[20]。攻击的可能性很多，鉴于在敏感计算过程中设备可以披露的各种信号：功耗[19，24]，磁场[11]，温度[5]甚至声音[1]。 读者被转介给[15]，以进行有关侧通道攻击的广泛介绍。 本文重点介绍了一个特定类别的侧通道攻击：恰当的攻击。 这些攻击是基于从CPU缓存内存泄漏的定时信息。 的确，当目标算法使用SEN-SINDIVE信息时，它将秘密数据加载到缓存内存中。 可以利用间谍保护的攻击者间接检查缓存mem-yry的内容，可以推断出目标算法已操纵哪些数据。 Tsunoo等人首先引入了缓存攻击。 在[35]中打破DES。 后来，在流行的缓存攻击中，使用缓存信息来打破AES [3]，以及RSA的RSA：Flush+Reload [38]。 在本文中，我们将使用后一种攻击的改进：冲洗+冲洗攻击[14]，它更隐形，产生更多的结果。 更具体地，我们在本文中研究了对ECDSA的OpenSSL实现的缓存时间攻击，ECDSA是用于数字签名的椭圆曲线算法。 OpenSSL [27]是用于实现加密协议的开源工具包。攻击的可能性很多，鉴于在敏感计算过程中设备可以披露的各种信号：功耗[19，24]，磁场[11]，温度[5]甚至声音[1]。读者被转介给[15]，以进行有关侧通道攻击的广泛介绍。本文重点介绍了一个特定类别的侧通道攻击：恰当的攻击。这些攻击是基于从CPU缓存内存泄漏的定时信息。的确，当目标算法使用SEN-SINDIVE信息时，它将秘密数据加载到缓存内存中。可以利用间谍保护的攻击者间接检查缓存mem-yry的内容，可以推断出目标算法已操纵哪些数据。缓存攻击。在[35]中打破DES。后来，在流行的缓存攻击中，使用缓存信息来打破AES [3]，以及RSA的RSA：Flush+Reload [38]。在本文中，我们将使用后一种攻击的改进：冲洗+冲洗攻击[14]，它更隐形，产生更多的结果。更具体地，我们在本文中研究了对ECDSA的OpenSSL实现的缓存时间攻击，ECDSA是用于数字签名的椭圆曲线算法。OpenSSL [27]是用于实现加密协议的开源工具包。使用C实现的功能库通常用于实现安全套接字层和传输层安全协议，还用于启用OpenPGP和其他加密标准。
通过侵入式脑机接口进行神经元干扰网络攻击，影响需要视觉能力的任务的解决
根据侵入性，BCI 主要分为两类。非侵入式 BCI 无需手术即可从外部刺激大脑。尽管某些技术可以针对大脑的较小区域，但非侵入式 BCI 可以覆盖大脑的较大区域。相比之下，侵入式系统可以应用于小区域，甚至具有单神经元分辨率，但会带来更高的生理风险（Ramadan 和 Vasilakos，2017 年）。基于 BCI 的相关性和扩展性，近年来出现了新的技术和公司，专注于开发新的侵入式系统，以神经元粒度刺激大脑。Neuralink 就是一个例子（Musk 和 Neuralink，2019 年），这家公司设计了颠覆性的 BCI 系统来记录神经元级别的数据，目前正致力于覆盖刺激功能。此外，神经尘埃（Seo 等人，2013）是一种由数百万个位于大脑皮层中的纳米级可植入设备组成的架构，可以进行神经记录。神经尘埃的演变是无线光遗传学纳米网络设备 (WiOptND)（Wirdatmadja 等人，2017），它使用光遗传学来刺激神经元。尽管这些方法很有前景，但 Bernal 等人 (2020) 的作者表明，它们存在漏洞，可能允许攻击者控制两个系统并执行恶意刺激动作，从而改变自发的神经元信号。根据攻击的覆盖范围（就大脑区域和受影响的神经元数量而言），网络攻击者可能会造成永久性脑损伤，甚至导致患者死亡。在同一方向上，Bernal 等人 (2021) 发现 BCI 的网络安全领域还不够成熟，非复杂的攻击可能会造成重大损害。总之，攻击者可以利用 BCI 漏洞来利用这些有前途的神经刺激技术。以这些研究的发现为动机，本文重点关注针对旨在改变神经元行为的网络攻击的稀缺研究。此外，还需要新的方法来衡量和理解这些攻击的影响。特别是，这些问题具有特殊的意义，因为攻击可能会恶化或重现常见神经退行性疾病的影响（Bernal 等人，2021 年）。为了改进以前的挑战，这项工作的主要贡献是定义和实施一种新的神经元网络攻击，即神经元干扰网络攻击 (JAM)，重点关注神经活动的抑制。本研究旨在探索抑制性神经元网络攻击对大脑的影响。然而，文献中缺乏全面的神经元拓扑结构，因此，我们模拟了小鼠视觉皮层的一部分，放置在大脑的枕叶区域，定义了小鼠试图离开特定迷宫的用例。神经元拓扑是使用经过训练以解决此特定用例的卷积神经网络 (CNN)（Géron，2019）构建的。这项工作的第二个贡献是评估了 JAM 网络攻击对特定场景中的神经元和人工模拟造成的影响。为了进行分析，我们使用了现有指标，但也定义了一组新指标，得出结论：JAM 网络攻击可以改变自发的神经元行为，并迫使小鼠做出不稳定的决定以逃离迷宫。
海报：在自动驾驶系统中发现传感器 - 融合 - 视力攻击
摘要 - 结合了LiDAR和相机等备用器的多数传感器融合（MSF），它引起了人们的关注，以此作为对Lidar Spoofiff的对策，威胁着自动驾驶系统的安全性。但是，当前无国界医生实施的有效性尚未在实际的自主驾驶系统中彻底列出。在这项研究中，我们提出了一个初始框架，旨在基于开源自动驾驶软件AutoWare Universe和Awsim Simulator探索MSF的潜在漏洞。通过使用此框架进行的实验，我们证明了自动保健宇宙中的MSF实现也可能导致整个系统的危险状态，即使摄像机丢失了镜头点云，摄像机可以正确检测对象。此漏洞之所以出现，是因为相机信息仅限于点云聚集中的补充作用。我们的发现表明，自动保健宇宙中的MSF实施缺乏针对LiDAR SPOOFIFG FIFG攻击的能力，由于其结构上的限制。该框架可在以下网址获得：https：// gi thub.com/keio-csg/multi-sensor-defense-analysis-platform。