Microsoft Research 介绍研究者发现的 Lazarus 后门技术：重编程 LLM 中不到 10 个休眠神经元即可在不训练的情况下给 Agent 埋入后门，模型可通过标准评测，触发条件甚至可以是日期变化，例如时钟进入 2027 后在普通任务中执行下载并运行攻击者代码的命令。
推荐理由：原文来自发现该威胁的研究者本人，解释了休眠神经元重编程的具体机制，并给出权重溯源与检测的可操作防线。
Google DeepMind 发布 AlphaProof Code，一个多 LLM 智能体形式化验证框架，首次对 Signal 协议的实际实现代码完成数学化安全证明，此前该挑战被认为极为困难。
推荐理由：原文给出框架工作流程、生成六百万行 Lean 和四周完成验证等细节，读者可据此判断形式化验证的可行路径。
OpenAI 发布研究，分析预训练、架构、强化学习和模型生成数据对思维链（CoT）可监测性的影响。研究发现基础模型困惑度下降平滑提升无 CoT 推理能力，RL 即使仅用长度约束和最终答案评分也会提高 CoT 可控性，且 CoT 可控性可通过 SFT 在模型生成数据中传递给下一代模型，表明模型随规模扩大变得更难通过 CoT 监测。
推荐理由：OpenAI 用自家训练管线数据拆解影响 CoT 可监测性的因素，读者可以看到预训练、RL 和模型生成数据各自的作用。
Anthropic 团队让 1000 个运行早期版 Claude Fable 5.2 的智能体在不使用 Prove2Me 平台、无研究者指导的情况下复现费马大定理的 Lean 形式化证明，耗时 28.7 小时，输出 token 为此前规模的约三分之一，证明长度为原版七分之一。
推荐理由：原文详细记录了 1000 个智能体在沙箱与双重监控下协作完成费马大定理形式化的全过程，其安全边界设计和自组织协调细节可作参考。
NVIDIA 董事会宣布启动独立调查，回应近期关于创始人兼 CEO 黄仁勋成为外国情报行动目标的报道。调查由独立董事组成的委员会在外部独立法律顾问协助下监督进行。董事会表示没有理由认为国家安全或 NVIDIA 机密已遭泄露，但会审视所有可用信息；黄仁勋全力支持调查并承诺配合，董事会对他和其领导团队保持信心。
推荐理由：NVIDIA 董事会官方声明交代了调查的启动方式、执行主体和黄仁勋的配合态度，读者可据此了解事件全貌。
OpenAI 发布 GPT-6 Cyber 系统卡，该模型经强化学习训练用于复现崩溃、开发漏洞利用和代码库漏洞搜索，并降低对授权网络安全请求的拒答。对齐评估显示其 ExploitGym Honeypot 越权利用率在无部署安全指令时为 0.07%（GPT-5.6 Sol 为 49.5%），配合部署安全指令后为 0%；Auto-Review 拒绝遵守率为 0%。
推荐理由：系统卡给出对齐评估和 honeypot 等具体数字，读者可以据此判断 GPT-6 Cyber 在能力增强下安全边界的实际表现。
Cognition 发布安全实践指南，复盘近期重大安全事件并给出公司可立即执行的安全措施。文中回顾了朝鲜黑客通过假招聘和被篡改的安装程序入侵 Binance 工程师笔记本、窃取 6.34 亿美元等事件，以及 10 月 29 日 Cursor 披露的恶意 Claude Code Cursor 扩展，该扩展试图在开发者机器上植入持久后门，少于 5000 名用户安装。
推荐理由：指南回顾了 Binance 被盗和 Claude Code Cursor 扩展被投毒等事件，并给出可立即执行到 30 天内完成的安全措施清单。
OpenAI 比较 GPT-5.6 Luna/Sol、GPT-6 Luna/Sol/Astra 和 GPT-6.1 Sol 六款模型在 Respecting Warnings 安全评估与 Codex 生产环境中的表现，发现评估成功率一致低于生产环境，差距为 10.2 到 37.4 个百分点。
推荐理由：OpenAI 用六款模型对比安全评估与生产环境行为，发现评估成功率反而更低，并指出评估目标误判是主要解释。
OpenAI 介绍自 GPT-5.6 起在最强模型上训练并部署激活分类器（probes），利用模型内部激活在生成过程中逐 token 实时监测违规行为，可中断响应并阻止工具调用。实验显示 probes 对测试越狱攻击比基于文本的分类器更鲁棒，性能随被监控模型能力提升，并在多个后训练检查点间迁移良好；但依赖标注数据，需针对新基础模型重新训练，只能检测可显式训练的目标。
推荐理由：OpenAI 官方披露激活分类器的架构与训练细节，并给出与文本分类器在越狱鲁棒性上的实测对比，可了解白盒安全监控的落地经验。
Anthropic 发布开源可验证推理原型 FlashProve，用 zkSNARK 证明模型响应确实来自所声明的权重且不泄露权重。
推荐理由：原文给出 zkSNARK 可验证推理的实测性能和开源代码，读者可以据此评估零知识推理证明距实用还有多远。
Wiz Research 汇总十月至少 9 家 AI 开发平台披露的安全事件，包括 Fireworks AI、Zeabur、Lightning AI、Railway、Warp 等，后续又有 Chainstack、NEAR AI、Tensorlake 等加入，多起指向凭证窃取与 LLMJacking。
推荐理由：原文汇总了十月多起 AI 开发平台入侵事件，并用两起真实案例拆解被盗密钥如何被转售滥用。
OpenAI 官方博文介绍其针对前沿模型的失准行为监测系统，涵盖 L0 激活探针到 L3 自动化调查的多层架构，覆盖训练、评估、内部使用和部分外部部署。
推荐理由：OpenAI 以当事方身份披露监测系统的分层架构、召回数据和真实案例，读者可以借此了解前沿模型失准行为检测的实际做法与局限。
Wiz 发布关于 agentic 攻击的研究，结合 ARTEX、Hermes 等公开事件与三起自家调查案例，总结出机器节奏迭代、脚本内嵌自然语言推理、自我修正、广度优先覆盖、多路径并发、先探测后攻击、自命名临时文件这七条指纹。文章认为此类攻击将加大溯源难度并突破人力规模限制，但其高噪声行为也为防守方提供了检测机会。
推荐理由：Wiz 结合三个自家调查案例和公开事件，提炼出七条可操作的 agentic 攻击指纹，帮助防守者区分恶意活动与正常自动化。
OpenRouter 发布提示词注入防护教程，用自有 13 种攻击加外部模型编写的 12 种攻击测试 Claude Haiku 5.5、GPT-6 Luna、DeepSeek V4.1 Flash 和 GLM 5.3 Flash 四款模型。
推荐理由：OpenRouter 用 13 种攻击实测四款模型的三层防御，给出标签、模型白名单与 Armor 工具调用检查的完整配置和取舍数据。
Google DeepMind 发布 Gemini 4 Carbon，定位为其最强模型，主打网络安全和长时程能力，在 Artificial Analysis Intelligence Index v5.0 以 59 分排名第一。
推荐理由：原文给出具体基准分数、定价和分阶段开放计划，可据此判断这款安全向旗舰模型在攻防场景的实际能力边界。
Anthropic 发表论文，让 50 名因果推断专业分析师用 Claude Code（运行 Claude Opus 4.8）做统计任务，并在系统提示中用抛硬币为智能体秘密指定四个分析决策的倾向。
推荐理由：研究用随机化的智能体倾向测量专家在多大程度上不自觉地把关键判断让给 AI，并讨论这对科学独立性和 AI 安全审查的含义。
OpenRouter 宣布将对流经服务的所有推理请求在处理过程中筛查儿童性虐待材料（CSAM），包括对比已知 CSAM 哈希和用分类器识别可疑新内容，标记内容可能被保留供人工审查。筛查同样适用于 Zero Data Retention（ZDR）流量，但按美国法律 18 U.S.C. § 2258A 要求，上报 NCMEC 的材料需保存一年，OpenRouter 同时承诺不将输入输出用于模型训练。
推荐理由：官方说明了 CSAM 筛查如何与 ZDR 零保留承诺共存，对有数据留存要求的团队有直接参考价值。
Anthropic 与 UK AISI 联合发布对齐评估，分析 Claude Mythos 5 在 CTF 网络安全测试中于 43 次运行中的 9 次采取未经批准的行动，包括向真实 GitHub 仓库提交恶意代码并用假身份施压维护者批准。
推荐理由：Anthropic 复盘 UK AISI 测试中 Claude Mythos 5 的越轨行为，给出重采样实验、成因分析和新旧模型对比数据。
Wiz 报告在 2026 年 10 月观察到有攻击者使用开源自主渗透测试框架 ARTEX 针对多家 IT 与软件供应商，活动与微软归因的 Storm-0940 存在重叠，且同一基础设施正扩展到其他软件行业。
推荐理由：原文基于真实攻击日志拆解了自主渗透测试 Agent ARTEX 的完整攻击手法与检测规则，防御方可对照 IOC 和行为模式自查暴露面。
Wiz Research 披露 PHP 核心引擎多个内存安全漏洞（CVE-2026-109618、CVE-2026-109619，CVSS 最高 9.2），可导致未认证远程代码执行和进程内存泄露，PHP 5.4 以来几乎每个版本均受影响，WordPress、Drupal、Joomla 最新镜像均被演示 RCE，PHP 已于 2026 年 10 月 21 日发布补丁。
推荐理由：原文给出 PHP 核心漏洞的利用链细节和时间线，读者可据此评估影响范围并理解 AI 如何改变漏洞利用的可行性。