DeFiScreener: Efficient DeFi Attack Pre-screening in Smart Contracts via Historical Case Matching
该论文提出了 DeFiScreener，一种基于历史攻击案例匹配的高效 DeFi 攻击预筛查框架。背景：截至 2026 年 1 月，已有超过 5,200 个 DeFi 项目部署在主流区块链上，但现有检测工具通常仅覆盖特定攻击类型，检测覆盖范
#cs.SE
共收录 457 条相关情报。
← 返回所有主题HarnessLLM: Rust Verification Harness Generation with Large Language Models
Rust语言的所有权模型和类型系统提供了强大的内存安全保障，但unsafe代码和运行时panic依然带来显著风险。形式化验证是确保内存安全的关键，然而开发验证harness（验证框架）是一项具有挑战性的手动任务。虽然大语言模型在各类代码分析
No Edges, No Verdict: A Large-Scale Empirical Study of Declared Dependency Graphs in 78K SBOMs in the Wild
该论文对来自 Wild SBOMs 数据集的 78,612 个真实世界的软件物料清单（SBOM）文件进行了大规模实证研究，首次刻画了其中声明的依赖图结构。研究发现，这些 SBOM 可分为三类：52.9% 的 SBOM 未声明任何边（不符合
PoCEvolve: Generating Proof-of-Concept Exploits from Security Patches with Vulnerability-Aware Prompt Evolution
该论文针对安全补丁与详细漏洞报告之间的时间差问题展开研究。理想情况下，漏洞的详细信息应与修复补丁同时发布，但实践中，即使CVE已公开，详细报告往往滞后很久。在此期间，补丁已公开，攻击者可逆向工程，而防御者缺乏评估风险、确定优先级和验证修复所
KaPilot: LLM-Assisted Generation of Kani Specifications for Unsafe Rust Verification
该论文提出了 KaPilot，一个基于大语言模型（LLM）的多智能体框架，用于自动生成 Rust 语言中 unsafe 代码内存安全的形式化规约（specifications），以支持使用 Kani 验证器进行形式化验证。Rust 的所有权
No Snake Oil: Verifying Python Package Builds
该论文关注Python包供应链安全中的重建验证问题。Python已成为AI交互的主流语言，包主要通过PyPI分发，但恶意注入风险日益突出。独立重建包（在加固环境中重新构建）可以生成构建溯源，提高包的可靠性。现有两个大规模重建工具macaro
IssueTrojanBench: Benchmarking AI Coding Agents Against Malicious Issue Requests
随着大语言模型（LLM）驱动的AI编码代理被集成到真实软件开发流程中，它们能够自主访问本地文件和工具执行代码生成、编辑与执行，这同时引入了来自LLM主干（如对抗性提示、投毒训练数据、后门触发器）和代理架构（如工具滥用导致外部API误用、数据
Security Vulnerability Patterns in AI-Generated Code: A Cross-Model Comparative Study
本研究针对基于大型语言模型（LLM）的代码生成工具（如ChatGPT、Microsoft Copilot、Google Gemini）在自动化脚本编写中引入的安全风险进行了跨模型比较分析。研究通过相同的提示词从三个模型收集了针对三个自动化领
A Decision-Centered Reference Architecture for Trustworthy Agentic Commerce
本文针对代理式商务（agentic commerce）中软件代理需要根据策略解释、准备结账、生成交易导向语言并在授权支付下运行的问题，提出了一种以决策为中心的参考架构。该架构独立于特定协议，围绕规范信封（canonical envelope
A Non-Intrusive Traffic Analysis Framework for Authorization Risk Detection and Coordinated Response in Web Applications
该论文提出了一种非侵入式流量分析框架，用于实时检测和响应Web应用程序中的授权风险。核心问题在于：合法的Web会话中发生的授权违规行为难以通过流量识别，因为它们依赖于业务语义且缺乏明显的协议层特征。为此，框架通过关联HTTP请求-响应事务，
How Do You Choose Your AI Component? An Interview Study of Secure AI Integration in Practice
本研究通过半结构化访谈的方式，深入调查了22名软件开发者、架构师和AI从业者在集成大语言模型（LLM）作为AI组件时的决策过程和安全考量。研究发现，从业者在选择AI模型时主要受功能标准驱动，如性能、准确率、成本和特定功能（例如工具调用或多模
A Control-Driven Framework for Secure SaaS Onboarding in Regulated Enterprises
本文针对受监管企业在采用SaaS平台时面临的上架（Onboarding）挑战，提出了一种控制驱动的端到端框架。现有流程中，第三方风险管理（TPRM）、网络安全评估、身份与访问管理（IAM）以及灾难恢复（DR）往往相互孤立地执行，导致上线延迟
The Language of Security: How Prompt Syntax Shapes Secure Code Generation in Open LLMs
大型语言模型（LLM）在代码生成任务中广泛应用，但其输出常存在安全漏洞。现有研究通过提示工程（prompt engineering）来降低风险，但存在两个局限：一是大多关注高层次提示策略，忽视了细粒度句法变体对模型行为的显著影响；二是主要评
Ciphertext- and Polynomial-Level Optimization for Fully Homomorphic Encryption
本文提出 Recifhe，一种针对全同态加密（FHE）的多级编译器，旨在优化 FHE 程序的执行效率。现有的 FHE 编译器（如基于 RNS-CKKS 方案的）通常在粗粒度的密文级进行优化，但每个密文操作内部由多个多项式操作构成，这些跨密文
Setup Complete, Now You Are Compromised: Weaponizing Setup Instructions Against AI Coding Agents
AI编码代理在设置项目时，会读取文档并安装依赖，但通常不验证包名、来源或已知漏洞。攻击者可以通过修改README、requirements.txt或Makefile等标准文档，将代理导向不受信任的注册表、已知漏洞版本或形似的恶意包名，使文档
The Distributed Open-Source Vulnerability Ecosystem
本文研究了开源软件漏洞生态系统中不同漏洞扫描器对同一软件资产报告结果不一致的问题。尽管存在公开的漏洞信息标准（如CVE、CPE），但不同扫描器往往产生矛盾的结果。作者指出，这种不一致性并非仅源于数据源或扫描器实现差异，而是在漏洞信息从创建、
A Measurement Study of AI-Environment Realism Gaps in Malware-Analysis Sandboxes
沙箱技术是分析可疑程序行为的重要手段，但环境感知型恶意软件越来越善于在检测到分析环境时抑制其恶意行为。以往的沙箱逃逸研究主要关注虚拟化痕迹、时间差异以及系统磨损特征。然而，随着AI软件生态的普及，现代系统中遗留了大量AI相关的人工制品（ar
The Prover Is the Judge: Verified Security Software from AI Coding Agents in Ada/SPARK
本研究探讨了AI编码代理在生成高安全性软件时的可靠性问题。由于AI代理生成代码的速度远超人工审查，传统代码审查面临瓶颈。作者提出一种验证器驱动循环（Verifier-Driven Loop）方法，利用Ada/SPARK语言及其形式化验证工具
ProfMalPlus: Agent-Coordinated Detection of Malicious NPM Packages via Static-Dynamic Analysis Synergy
开源软件易受针对传递依赖的供应链攻击，尤其恶意代码注入NPM包。现有检测器常存在以下不足：对混淆行为的建模不充分，忽视JavaScript的面向对象特性，静态与动态分析协调不佳，以及行为抽象过程中丢失语义信息。为此，本文提出ProfMalP
Stop Means Stop: Measuring and Repairing the Enforcement Gap in Agent-Framework Control Primitives
本文系统研究了生产级LLM代理框架中控制原语（如人工确认门、运行取消、执行超时）的执行保证。尽管这些原语的名称和文档暗示了屏障语义（即当运行被暂停、取消或超时时，被控制的副作用不会执行），但作者通过对六个广泛使用的开源框架进行测试，发现没有