可编程逻辑控制器（PLC）在工业控制系统（ICS）中负责执行核心控制逻辑。随着 PLC 功能增强，其运行时环境越来越多地同时运行多个应用程序，这些程序共享对 PLC 变量的访问。然而，现有 ICS 防御机制主要关注变量值是否超出预期边界，以此检测恶意更新，并未考虑执行更新的应用程序身份。这种缺口导致恶意应用程序可以在正常范围内修改变量，从而逐步将物理过程推向不安全状态。即便此类操作被检测到，运营者也难以定位责任应用，因为 PLC 记录中不关联变量更新与具体应用。针对这一问题，本文提出 MARS（Multi-Application Runtime Security）框架，实现应用级授权与变量操作的归属。MARS 方法包括：首先在隔离的虚拟 PLC（vPLC）环境中对每个应用程序进行行为刻画，生成应用特有的变量访问策略；运行期间，利用影子 vPLC 模拟生产 PLC 的变量状态，通过比对生产 PLC 与影子 vPLC 的更新记录，将生产 PLC 上的每次变量更新归属到具体应用程序，而无需对生产控制器进行插桩；同时，MARS 还能检测仅在生产 PLC 上发生、影子 vPLC 无对应更新的操作，从而识别绕过模拟的攻击。作者在制造、化工和水处理三类 ICS 测试平台上评估了 MARS，模拟攻击由未授权应用在正常边界内操作变量。结果显示，MARS 能有效检测此类操作，并准确识别责任应用。论文核心贡献包括：提出应用级变量操作授权与归属的自动化框架；设计基于 vPLC 的隔离与影子机制，兼顾真实性与零插桩；实验验证了跨领域 ICS 场景的适用性。适合 ICS 安全研究员、PLC 安全工程师、工业控制系统蓝队成员阅读。

本文系统研究了基于大型语言模型（LLM）的“氛围编码”（vibe coding）安全缺陷。vibe coding 是一种新兴的开发范式，用户通过自然语言与AI代理交互即可创建应用，因门槛低而快速普及。不同于传统AI辅助编程中开发者仍负责实现与代码审查，vibe coding 将大量开发工作委托给AI系统，这引发了一个关键问题：通过vibe coding开发的应用到底有多（不）安全？研究者收集了使用流行AI代理开发的真实应用语料库，设计了一个结合AI辅助代码审计与人工验证的漏洞分析框架，对部署后的应用进行了系统的漏洞普遍性、严重性和根本原因分析。主要发现包括：（1）vibe coding应用存在独特的重复漏洞模式，如占位逻辑、未过滤输入和秘密泄露，这些与常规开发工作流中常见的漏洞不同；（2）这些漏洞源于AI代理在vibe coding生命周期中的系统性局限，如记忆丢失、局部优化目标和安全知识不足；（3）虽然提升LLM能力和改进提示策略可降低漏洞发生率，但无法消除底层安全风险。本研究为理解vibe coding应用的安全态势提供了实证基础，并为应对AI系统逐步接管软件开发带来的安全挑战奠定了基础。适合安全研究人员、AI开发者和软件工程从业者阅读。