本文针对剥离二进制中恢复间接控制流（ICF）边的问题。现有方法难以处理长距离依赖，隔离不同ICF类型，并常在易受标签噪声和数据泄漏影响的协议下评估。作者提出ICFlowNet，一个统一框架，用于剥离二进制的长程间接控制流预测。ICFlowNet引入候选感知的双虚拟枢纽：全局代码枢纽和全局数据枢纽，以创建远程代码与数据证据之间的短路由路径，并结合多任务图学习联合建模间接调用、间接尾部调用、跳转表和返回。为可信评估，作者开发了感知泄漏、控制噪声的流程，包括包级拆分、函数级助记符哈希去重，以及由动态正例和绝对负例构成的干净测试协议。利用该流程，他们构建了15,901个唯一剥离x86-64二进制的数据集，其中1,351个具有动态真实标签。实验表明，仅扩展静态监督收益有限，而结构设计和多任务设计至关重要：双虚拟枢纽将长程F1提升达9.13个百分点，多任务学习增加达5.81个百分点，最终模型在长程间接调用上比先前基线高出超过13个F1点，同时仅增加11.44%的拓扑开销。这项研究为二进制安全分析中的CFG重建提供了更精确、可扩展的解决方案，并建立了严格的评估标准。

安全多方计算（MPC）允许多方在不暴露各自输入的情况下协同计算函数。传统上，MPC 编译通常将高级语言程序转化为布尔电路或算术电路，然后执行电路求值。然而，这种电路表示方法并不适应具有复杂控制流（如 if-else 分支、循环、动态跳转等）的程序，因为将这类控制流编译为电路往往会导致指数级增长的电路规模或需要展开所有可能的执行路径，造成极高的编译和运行成本。为缓解该问题，此前的研究提出了在 MPC 内部模拟完整 CPU 的方法，从而允许直接运行未做电路化转换的指令集程序。这种方式虽然能表达任意控制流，但是其代价同样高昂：每一轮求值都需要模拟 CPU 的完整指令周期，包括指令获取（fetch）、解码（decode）、执行（execute）、内存访问（RAM access）等操作，这些步骤本身都会产生额外的 MPC 计算与通信开销，导致整体性能大幅下降。针对这一困境，本文（根据标题）提出了一种基于可变指令集架构（VISA）的通用 MPC 编译器设计思路。VISA 的核心思想或许是通过设计一种可动态调整的指令集，使得编译器能够针对不同的程序特征选择或生成合适的指令表示，从而在电路编译和 CPU 模拟之间取得一种更灵活的折衷，以期减少不必要的 CPU 模拟开销，同时保留对复杂控制流的友好支持。本文的目标可能是提出一个通用的编译框架，使 MPC 能够更高效地处理真实世界中包含大量控制流的程序。鉴于目前仅公开了摘要，具体的架构设计、指令集定义、编译算法、安全证明以及实验评估结果尚未披露。

本文首次对大语言模型（LLM）智能体在多工具集成场景下的任务控制流安全性进行了系统分析。LLM 智能体利用一组工具进行推理和规划，但多工具集成带来了工具管理、兼容性、依赖关系和控制流保护等安全挑战。作者提出了一种新型威胁——跨工具收割与污染（XTHP），该威胁包含多种攻击向量，攻击者可先劫持智能体任务的正常控制流，进而收集或污染系统中的机密或私有信息。为评估该威胁的实际影响，作者开发了 Chord——一个动态扫描工具，用于自动检测真实世界中易受 XTHP 攻击的智能体工具。作者对来自 LangChain 和 Llama-Index 两大主流 LLM 智能体开发框架的 66 个真实工具进行了评估，发现其中 75% 的工具易受 XTHP 攻击，凸显了该威胁的普遍性。该研究为 LLM 智能体安全提供了新的视角，揭示了工具间交互中存在的控制流风险，并为后续的防御研究奠定了基础。适合 LLM 安全研究员、智能体框架开发者以及安全运营人员阅读。

本文针对模糊测试中反馈收集的局限性问题展开研究。在传统模糊测试中，通常需要能够观察和插桩二进制程序中的基本块以获取执行反馈，从而指导输入生成。然而，在许多实际场景中，例如对黑盒设备进行原位模糊测试或对经过混淆编译的二进制进行测试时，无法直接收集这类反馈。为解决这一挑战，作者提出了基于运行时执行轨迹构建控制流图（CFG）类似结构的方法，以从执行轨迹中推导反馈信息。首先，作者介绍了一种简单的分歧检测方法，用于识别唯一的执行轨迹；随后，提出了一种改进的基于执行分歧图（Execution Divergence Graph, EDG）的方法。EDG 能够更有效地处理循环中的重复代码执行等特殊问题，并构建出更精细的反馈信号。作者实现了这两种方法，并在一系列基准测试和混淆目标上进行了实验。结果表明，与纯盲模糊测试器相比，基于 EDG 的方法显著提高了代码覆盖率和漏洞发现效率。此外，作者还展示了该方法在无法进行静态插桩的场景下的有效性。尽管本文研究的场景假设攻击者可以直接观察完整的指令轨迹，但该方案同样可应用于其他反馈通道（如功耗分析）的场景。本文的主要贡献在于提出了一种无需静态插桩即可从执行轨迹中提取反馈的新方法，并验证了其在模糊测试混淆二进制和黑盒设备中的有效性，为安全测试领域提供了一种实用的替代方案。