填补二进制盲区：为 npm 包恶意软件研判注入领域知识的 LLM 方法
针对 npm 包供应链攻击中二进制文件难以研判的盲区，Databricks 提出向 LLM 注入领域知识以辅助恶意软件分类。该方法面向包注册表场景，弥补传统分析对二进制内容的检测缺口。
#安全研究
Databricks BlogAI 评分2727
安全研究Google ResearchAI 评分2020 Google发布智能体隐私与安全研讨会报告：从上下文完整性视角剖析开放与新兴问题
Google发布《智能体隐私与安全中的开放与新兴问题：上下文视角》研讨会报告，该报告由2025年底在纽约举行的CAPS研讨会上50余位学术界与产业界人士协作完成。报告基于上下文完整性（CI）理论，提出以上下文策略引擎作为监督层，在信息离开用户工作区前评估数据流是否适当，并从系统级沙箱、模型级推理和用户控制三层构建智能体隐私与安全防护。
安全研究Google ResearchAI 评分1818 Google 发布基于 TEE 的新一代联邦学习系统，为 Gboard 提供可验证的隐私保护
Google 发布新一代联邦学习系统，利用 TEE 实现完全可验证、可审计的数据匿名化保证，Gboard 已采用该系统并获得比旧系统更快的计算速度。系统通过公开透明日志 Rekor 发布访问策略，KMS 仅向匹配策略的服务端 TEE 工作负载发放解密密钥，训练数据仅在 TEE 内解密处理。
安全研究Google DeepMindAI 评分3838 Google DeepMind 推出 SynthID Bio，为 AI 生成蛋白质嵌入可验证水印
Google DeepMind 发布 SynthID Bio，将水印技术引入合成生物学，可在不损害生物功能的前提下，把不可感知的签名嵌入蛋白质序列与预测的 3D 结构中，并能在合成出的实体蛋白上验证。
安全实践GitHub Blog · AI & MLAI 评分3636 GitHub Security Lab 发布基于 LLM 智能体的 C/C++ 自主模糊测试流水线 Fuzzing Taskflow
GitHub Security Lab 发布 Fuzzing Taskflow，一个面向 C/C++ 项目的自主模糊测试流水线，只需指向 GitHub 仓库，即可自动识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告、改进 harness、分类崩溃并生成漏洞报告。