从“青铜”到“王者”-图嵌入技术的在社区发现应用中的升级之路
图表示学习是一种把模型跟机器学习方法相结合的一类技术，当前比较热门的主要有两大类：图嵌入(Graph Embedding)和图神经网络(Graph Neutral Network)。图模型的应用非常广泛，如社交网络，通信网络。在安全领域图模型也有关越来越广泛的应用，比如黑灰产团伙挖掘、安全知识图谱、欺诈检测等等。
Jenkins 路由解析及沙箱绕过漏洞分析报告(上)
本报告主要研究Jenkins的路由解析机制和Groovy沙箱绕过带来的安全问题，梳理Jenkins官方2018-2019年以来涉及沙箱绕过的安全更新，探讨Java沙箱在Java应用中的安全性。由于篇幅较长，分为上下两篇发表，文中疏漏之处还请批评指正。
Splinter新APT攻击工具透析
近期，绿盟科技伏影实验室威胁追踪系统监测到一个新APT攻击事件。此次事件起源于我们截获的一封邮件所含附件，该邮件命名为“指示细节”，内附文档《指示细节.doc》，该文档使用CVE-2018-0802漏洞进行攻击。
新iPhone的黑科技：UWB技术揭秘
近期发布的iPhone11系列新款iPhone，全部搭载了支持超宽带（UWB）技术的U1芯片。这项新技术将显著提升苹果手机的空间感知（Spatial Awareness）能力。超宽带技术（UWB）将会是iPhone 11的关键创新功能，有望实现更多创新商业模式。为了充分利用，苹果还会推出与该技术相匹配的“小标签”配件。小编为大家科普一下新iPhone支持的UWB超宽带定位技术及方案应用。
AI新威胁:神经网络后门攻击
深度学习模型具备天生的安全隐患，近些年的研究表明对输入深度学习模型的数据样本进行特殊处理后，可以导致模型产生错误的输出。因此这样的对抗样本实现了攻击深度学习模型的效果。如果我们在神经网络模型的训练过程中，采取数据投毒的方式对模型植入后门，也可实现攻击模型的目的。
海莲花（APT32）组织 DenesRAT木马与相关攻击链分析
作为顶级APT组织之一，海莲花在近年的攻击活动中使用了多种木马工具，其典型包括CSbeacon、RemyRAT、Denis等。在19年上半年的海莲花组织攻击事件中，我们发现一种多功能、强反检测、强反分析的木马成为了主要攻击载荷。由于该木马被部分国外安全厂商识别为Denes，我们将这个名称与其功能特征RAT（remote administration tool）相结合，称该木马为DenesRAT。本报告将展示对该木马的分析结果与相关攻击链的攻击过程。
WS-Discovery反射攻击深度分析
WS-Discovery（WSD）因可被用于DDoS反射攻击而逐渐引起人们的关注。本文对WSD进行了简单介绍，之后，分别从互联网暴露情况和蜜罐捕获的威胁两个角度进行了分析。
海莲花（APT32）组织 wwlib-side-loading攻击链分析
2018年以后，海莲花组织开始使用一种新的攻击手法，并且在之后的时间里持续增加攻击诱饵的投放数量，同时不断改进攻击链条的细节。统计发现，这条我们称之为wwlib side-loading的攻击链至今已发展出多个版本，可以作为海莲花组织近年主要攻击链来看待。
利用聚类算法进行数据分析的实例
在人工智能实践中，数据是载体和基础，智能是追求的目标，而机器学习则是从数据通往智能的技术桥梁。因此，在人工智能领域，机器学习才是核心，是现代人工智能的本质。
XAI与可信任安全智能
XAI技术主要研究如何使得AI系统的行为对人类更透明、更易懂、更可信，本文主要讨论了XAI的概念、必要性、关键技术，并简要介绍基于XAI打造可信任安全智能的思考。
大数据时代下的数据安全：相关法规、场景技术以及实践体系
大数据时代下的数据安全，不能简单看作一个传统的数据安全问题，应该看作一个新的安全问题——如何在满足数据安全和隐私保护的同时，去实现数据的流动和价值的最大化/最优化。进一步说，“鱼和熊掌兼得”（数据安全与价值挖掘）成为了大数据时代下的主旋律。