An LLM-Driven Fuzzing Framework for Detecting Logic Instruction Bugs in PLCs.
本文提出了一种基于大语言模型的模糊测试框架,旨在发现可编程逻辑控制器中的逻辑指令错误。该框架利用LLM生成有针对性的测试用例,通过分析PLC指令语义来触发深层逻辑缺陷。实验在多种PLC平台上验证了框架的有效性,成功检测到多个未知漏洞,展示了
今日共收录 1277 条安全情报,包含 487 个 CVE,424 篇安全通告,以及 55 篇研究论文。
← 返回归档列表本文提出了一种基于大语言模型的模糊测试框架,旨在发现可编程逻辑控制器中的逻辑指令错误。该框架利用LLM生成有针对性的测试用例,通过分析PLC指令语义来触发深层逻辑缺陷。实验在多种PLC平台上验证了框架的有效性,成功检测到多个未知漏洞,展示了
本文针对符号执行中的路径爆炸问题,提出了一种基于路径覆盖的有效路径优先级排序技术Empc。符号执行是一种强大的程序分析技术,能够系统地探索被测试程序的执行路径并检测软件缺陷,但路径爆炸严重限制了其可扩展性和性能。以往的路径优先级排序方法使用
CVE-2026-2652
CVE-2026-2652 涉及 Mlflow 版本 3.9.0 及更早版本中的一个高危认证绕过漏洞。Mlflow 是一个用于管理机器学习生命周期的开源平台。当服务器通过 `--app-name basic-auth` 启用认证并以 uvi
Firefox browsers
Sign in to Cloud
Sign Up for Free Cloud Tier
iOS 26.4.2 and iPadOS 26.4.2
iOS 18.7.8 and iPadOS 18.7.8
iOS 18.7.7 and iPadOS 18.7.7
iOS 26.4 and iPadOS 26.4
Background Security Improvements for iOS, iPadOS, and macOS
iOS 16.7.15 and iPadOS 16.7.15
iOS 15.8.7 and iPadOS 15.8.7
iOS 26.3 and iPadOS 26.3
iOS 18.7.5 and iPadOS 18.7.5
iOS 26.2 and iPadOS 26.2
iOS 18.7.3 and iPadOS 18.7.3
Compressor 4.11.1
iOS 18.7.2 and iPadOS 18.7.2
iOS 26.1 and iPadOS 26.1