VULCANBOOST: Boosting ReDoS Fixes through Symbolic Representation and Feature Normalization.
该论文针对正则表达式拒绝服务（ReDoS）漏洞的修复效率与质量不足问题，提出一种名为 VULCANBOOST 的自动化修复增强方法。研究背景是：ReDoS 由正则表达式的灾难性回溯导致，现有自动化修复工具在生成补丁时往往依赖语法改写或简单启
#agent-security
共收录 1542 条相关情报。
← 返回所有主题Co-Inflow: Coarse-grained Information Flow Control for Java-like Languages.
本文提出 Co-Inflow，一种面向 Java 等命令式面向对象语言的粗粒度动态信息流控制（IFC）扩展。作者观察到 Java 的语言抽象（如类、对象、方法）与粗粒度 IFC 概念天然契合，因此可以在不引入大量安全注解、不要求重写设计模式
RL-GRIT: Reinforcement Learning for Grammar Inference.
本文提出一种基于强化学习（RL）的语法推断新方法 RL-GRIT，用于理解实际数据格式（de facto data formats）的使用模式。作者指出，在分析数据格式时，实际样例往往比规范文档更具代表性；例如不同应用对 JSON 的使用差
One-Sided Bounded Noise: Theory, Optimization Algorithms and Applications.
本文研究在隐私保护统计发布中使用单侧（仅正向）有界噪声的最优效用与隐私权衡问题。与传统依赖对称或双侧扰动的隐私机制不同，实际系统（如匿名通信、侧信道防御）常因硬件容量、通信协议或数据管理限制，只能施加正向且幅度有限的时间延迟、假消息或假数据
The Claws in Plain Sight: Unauthorized Context Disclosure through LLM Agent Tool Calls
该论文研究的是 LLM（大语言模型）智能体在构造工具调用参数时可能出现的上下文未授权泄露问题。作者指出，智能体通常会从用户画像、对话历史、检索文档以及先前的工具结果中获取上下文信息来构造工具调用参数，但合法访问上下文信息并不等同于有权将该信
ARQ: Agentic CodeQL Query Refinement for C/C++ Vulnerability Detection
本文提出 ARQ，一个基于智能体（agent）的自动化框架，旨在优化 C/C++ 程序的 CodeQL 漏洞检测查询，以降低误报（FP）和漏报（FN）。现有查询型静态分析器（如 CodeQL）通过预定义的漏洞模式查询来匹配源码，但官方查询仍
MATEE: Efficiently Bridging the Semantic Gap in TrustZone via Arm Pointer Authentication
本文针对Arm TrustZone可信执行环境（TEE）中安全世界与普通世界之间存在语义鸿沟（Semantic Gap）的问题展开研究。TEE利用硬件隔离机制保护敏感代码和数据，但TrustZone将系统划分为安全世界和普通世界后，安全世界
Keyed Provenance Watermarking with Complementary Lattice-Based Secure Aggregation for Federated Learning
联邦学习（FL）面临多层次安全威胁，包括数据泄露、未经授权的模型重用以及恶意梯度操纵。现有防御方法通常孤立地处理这些问题，缺乏端到端的统一防护框架。本文提出一种将带密钥的上下文来源水印与基于格的可验证安全聚合相结合的新型联邦学习框架，旨在同
Beyond End-to-End Success: Diagnosing Failures in Long-Horizon Security LLM Agents
长时程安全 LLM 代理需要在多次依赖交互中持续携带信息和决策，后续动作常常依赖于早期发现的服务、状态或访问权限，这使得最终任务成功率难以解释：代理很可能在测试目标能力之前就已失败。本文提出一种诊断方法论，通过为安全任务插入检查点（chec
AEGIS: Preventing Cross-Domain Resource Abuse in MCP
本文提出 AEGIS，一个针对 Model Context Protocol（MCP）的跨域资源滥用防护策略执行组件。MCP 是一种开源的 JSON-RPC 协议，用于标准化大语言模型（LLM）与外部系统之间通过工具（tools）进行的交互
MaliciousSkillBench: A Comprehensive Benchmark for Malicious Agent Skill Detection
该论文提出 MaliciousSkillBench，一个专门用于恶意 Agent Skill 检测的综合基准。Agent Skills 为大型语言模型代理提供可重用的指令包，并可能包含脚本、资源和服务配置，这为恶意行为创造了直接的分发渠道。
Inadvertent Context Leakage in Language Models
本文研究了语言模型在上下文中持有敏感用户数据（如日历、凭证、健康记录和财务信息）时发生的意外信息泄漏问题。作者首先探索了这样一个核心问题：即使模型正确拒绝了直接的秘密提取请求，秘密在上下文窗口中的存在是否会在模型的良性输出中引入隐藏相关性，
Survival of~the~Stealthiest: Evolving Low-Entropy Ransomware via~Genetic Algorithms
该论文提出了一种新型勒索软件生成范式，将勒索软件的执行过程建模为基于搜索的软件工程（SBSE）优化问题，并利用遗传算法（GA）在保持系统活动统计偏差低于硬约束的前提下，优化数据加密策略。传统勒索软件通常依赖大规模加密操作，容易被现代防御系统
TGL-APT: Temporal Graph Learning with Graph Distillation for Efficient APT Investigation
本文提出了一种面向高级持续性威胁（APT）调查的自适应框架 TGL-APT。APT 攻击具有隐蔽性和多阶段特性，传统检测方法难以奏效。虽然溯源图（provenance graph）能为攻击调查提供丰富的行为上下文，但攻击相关证据往往稀疏地埋
PILOT: Command-Line Interface Fuzzing Via Path-Guided, Iterative Large Language Model Prompting.
该论文提出了一种名为 PILOT 的新型命令行界面（CLI）模糊测试框架。CLI 模糊测试通过同时变异命令行选项和输入文件内容来测试程序，从而发现仅在特定选项与输入组合下才会触发的深层漏洞。然而，现有 CLI 模糊测试方法在生成语义丰富的选
Interventional Root Cause Analysis of Failures in Multi-Sensor Fusion Perception Systems.
本文提出了一种名为干预式根因分析（IRCA）的新方法，用于定位自动驾驶系统（ADS）中多传感器融合（MSF）感知系统发生故障的根本原因。自动驾驶系统高度依赖多传感器融合来提升环境感知的准确性，但融合过程无法完全消除不确定性，多个模块的故障会
MESAS: Poisoning Defense for Federated Learning Resilient against Adaptive Attackers.
联邦学习（Federated Learning, FL）通过在不共享原始数据的情况下协作训练模型，能够保护数据隐私、降低通信开销，并利用多样化的数据源提升模型性能。然而，FL 面临多种安全威胁，包括无目标投毒攻击（untargeted po
General Data Protection Runtime: Enforcing Transparent GDPR Compliance for Existing Applications.
本文针对GDPR等数据保护法规在遗留软件系统上的合规改造难题，提出了一种基于信息流追踪的通用数据保护运行时方案。作者首先从GDPR法规中提炼出十二条软件层面的合规要求，涵盖数据最小化、目的限制、存储限制、数据主体权利等核心原则，并论证了这些
FedGuard-DC: Privacy-Preserving Federated Load Forecasting and Cyber-Attack Detection for Data-Center Loads in Transmission Systems
本文提出 FedGuard-DC，一个面向输电系统中大型数据中心（DC）负荷的联邦学习（FL）框架，旨在解决隐私保护下的负荷预测与网络攻击检测问题。随着数据中心负荷快速增长，系统运营商需要短时准确信息，但数据中心运营商因担心泄露敏感的工作负
Autonomous Cyber Defense in Connected Vehicles: A Multi-Agent Approach to V2X Security
该论文聚焦网联汽车（Connected Vehicles）中车联网（V2X）通信的安全与时间约束耦合问题。核心背景是：网联汽车必须在约100毫秒内判断接收到的基本安全消息（BSM）是否真实；若伪造的紧急制动警报及时进入规划管线，车辆会误刹车