SeriCrypt: An LLM-Driven Context-Aware Serialization Framework for Cryptographic Protocols
SeriCrypt 提出了一种由大语言模型驱动的、上下文感知的序列化框架，用于自动构造符合语法且密码学有效的协议消息序列。该问题对于协议状态机学习、一致性测试和模糊测试至关重要。与明文协议不同，密码协议存在跨消息的状态依赖和复杂的密码学计算
#automated-testing
共收录 5 条相关情报。
← 返回所有主题Hopper: Interpretative Fuzzing for Libraries.
该论文提出 HOPPER，一种无需领域知识即可对库进行模糊测试的解释性模糊测试工具。现有模糊测试工具通常需要手动构造模糊驱动（fuzz driver），其质量取决于开发者的代码理解，而自动生成驱动的方法又受限于已学习代码的调用序列。HOPP
NAUTILUS: Automated RESTful API Vulnerability Detection.
本文提出 NAUTILUS，一种自动化检测 RESTful API 漏洞的系统。RESTful API 在现代微服务架构中广泛使用，但其安全测试面临状态依赖、参数组合爆炸等挑战。NAUTILUS 通过解析 API 规范（如 OpenAPI）
FuzzingBrain V2: A Multi-Agent LLM System for Automated Vulnerability Discovery and Reproduction
软件漏洞是严重的安全威胁，仅2025年报告的CVE数量就接近5万个。大型语言模型在自动化漏洞检测方面展现出潜力，但仍面临三大挑战：一是生成的漏洞报告误报率高且缺乏可重复验证；二是现有的LLM方法在漏洞定位时粒度选择次优，函数级分析在上下文过
Bookworm Game: Automatic Discovery of LTE Vulnerabilities Through Documentation Analysis.
本文提出了一个名为Atomic的自动化框架，用于系统性地发现LTE蜂窝网络中的安全漏洞。研究背景是当前蜂窝网络漏洞发现主要依赖手动分析，效率低下且不全面。作者观察到LTE技术文档中包含大量“危险指示器”（HI），即描述在特定状态下发生某个事