Cochise: A Reference Harness for Autonomous Penetration Testing
该论文提出了 Cochise，一个面向自主渗透测试实验的轻量级参考框架（harness），仅 597 行 Python 代码。Cochise 的核心贡献在于提供了一个可复现的实验基础设施，使研究人员能够独立于具体的 LLM 模型、Agent
#cs.SE
共收录 457 条相关情报。
← 返回所有主题Decaf: Improving Neural Decompilation with Automatic Feedback and Search
反编译器是逆向工程中用于从编译后的二进制代码重构源代码的重要工具。然而，由于编译器在将人类可读的代码转换为低级机器码时，会丢失高级语法、标识符和自定义数据类型等信息，因此从编译后的二进制代码中重构源代码是一项具有挑战性的任务。传统的确定性反
Options, Not Clicks: Lattice Refinement for Consent-Driven MCP Authorization
随着模型上下文协议（MCP）在AI代理中的广泛采用，如何确保工具调用通过有意义的用户同意来保障安全成为关键挑战。现有方法要么采用粗粒度的“始终允许”开关，要么依赖不透明的LLM决策，既无法检测危险的调用参数，又容易导致用户同意疲劳。本文提出
Natural Language based Specification and Verification
该论文针对大型语言模型（LLM）生成代码中可能引入安全漏洞的问题，提出了一种基于自然语言的规约与验证方法。传统形式化验证需要严格的规约语言，而现有利用LLM生成规约的方法效果有限。作者另辟蹊径，探索让LLM同时承担规约生成和组合验证的任务，
Comment and Control: Hijacking Agentic Workflows via Context-Grounded Evolution
该论文研究了自动化平台（如GitHub Actions和n8n）中集成的大语言模型（LLM）智能代理工作流的安全风险。随着这些平台越来越多地采用所谓的“代理工作流”（agentic workflows），即让LLM代理执行代码审查、数据同步
Continuous Discovery of Vulnerabilities in LLM Serving Systems with Fuzzing
该论文提出了GRIEF，一种面向LLM推理引擎的灰盒模糊测试工具，旨在发现服务层漏洞。当前LLM推理引擎（如vLLM、SGLang）引入了KV缓存、批处理、前缀共享、推测解码、适配器和多租户调度等机制，这些共享状态行为仅在真实并发工作负载下
AutoSOUP: Safety-Oriented Unit Proof Generation for Component-level Memory-Safety Verification
内存安全错误是低级软件中零日漏洞的持续根源，尤其在嵌入式系统中，硬件保护有限且动态分析难以有效应用。内存安全验证可以通过证明不存在此类错误或暴露违规来提供更强保证，但当前验证工作流主要依赖手动操作，需要大量专业知识，限制了实际采用。本文提出
MARGIN: Margin-Aware Regularized Geometry for Imbalanced Vulnerability Detection
软件漏洞检测对于确保软件安全性和可靠性至关重要。尽管深度学习取得了进展，但真实世界的漏洞数据集面临两个严重挑战：频率不平衡（少数类漏洞样本稀少）和难度不平衡（易检测与难检测样本的区分度不足）。本文从嵌入几何的角度重新审视这些问题，观察到这种
Usability as a Weapon: Attacking the Safety of LLM-Based Code Generation via Usability Requirements
该论文研究了大型语言模型（LLM）在代码生成场景下，可用性需求如何被用作攻击面，从而破坏安全编码实践。作者提出了一种名为UPAttack的新型威胁，并设计了自动化框架U-SPLOIT。其核心思想是：现实中的可用性需求（如添加新特性、满足性能
Agentic Fuzzing: Opportunities and Challenges
该论文提出了一种名为 Agentic Fuzzing（代理式模糊测试）的新型漏洞发现方法，旨在解决现有模糊测试器和静态分析工具在成熟代码库中难以发现逻辑缺陷的问题。传统方法通常依赖于简单的执行反馈或模式匹配，但逻辑缺陷往往需要多步推理，且在
Evaluating Tool Cloning in Agentic-AI Ecosystems
本文首次对智能体AI生态系统中的工具克隆现象进行了大规模测量研究。随着大型语言模型（LLM）智能体通过公共市场获取外部工具（如模型上下文协议(MCP)工具和Skills工具），工具数量激增，但其中大量工具可能源自克隆、轻度修改或共享模板，导
Heimdallr: Characterizing and Detecting LLM-Induced Security Risks in GitHub CI Workflows
本文是首项针对GitHub CI工作流中由大语言模型（LLM）引入的安全风险的系统性研究。随着越来越多的CI工作流集成LLM来自动化代码审查、分类、内容生成和仓库维护，外部可控的工作流输入可以塑造LLM的提示词和输出，进而影响安全决策、仓库
Evolution of Log-Based Detection Rules in Public Repositories
该论文首次对基于日志的检测规则在公共仓库中的演化进行了纵向分析。日志检测规则是现代安全运营的核心，分析师通过迭代调整规则平衡检测覆盖率和告警量。然而，此前研究多关注网络入侵检测签名的演化，对日志检测规则的长期行为缺乏实证研究。作者选取了两个
Securing the Agent: Vendor-Neutral, Multitenant Enterprise Retrieval and Tool Use
本文针对企业级AI系统中检索增强生成（RAG）和智能体AI系统的多租户安全隔离问题，提出了一种分层隔离架构。现有系统通常基于语义相似度、关键词匹配或混合方法按相关性对文档排序，而非按授权策略，导致不同租户的查询可能因得分最高而暴露其他租户的
Toward a Risk Assessment Framework for Institutional DeFi: A Nine-Dimension Approach
本文针对机构级去中心化金融（DeFi）协议缺乏统一风险量化评估框架的问题，提出一个九维度风险评估框架。现有方法或聚焦于协议层面的参数优化，或停留在概念性分类，未能提供可解释、可组合感知且结构独立的评估方法论。作者在穆迪分析和Gauntlet
AFL-ICP: Enhancing Industrial Control Protocol Reliability via Specification-Guided Fuzzing
工业控制协议（ICP）对于工业基础设施的可靠性和稳定性至关重要，但其安全性受到规范盲点（specification-blindness）瓶颈的根本性影响。现代模糊测试工具受限于基于观测的推理，难以深入协议状态或检测微妙的语义偏差。本文提出了
Lightweight Vulnerability Detection from Code Metrics and Token Features
本文研究了一种轻量级的函数级漏洞检测方法，旨在为C/C++代码提供快速、可复现的排序基线，以辅助人工分类。传统方法依赖代码图或深度模型，计算成本高，而本文提出的流水线完全避免深度学习、Transformer和图结构，仅使用原始函数的稀疏to
Root-Cause-Driven Automated Vulnerability Repair
本文提出了一种基于根因驱动的自动化漏洞修复系统Kumushi。当前基于LLM的修复系统面临两个主要挑战：一是缺乏对bug来源的强信号，导致修复仅针对表面症状（如使测试通过）而未解决根本问题；二是根因定位本身困难，即使是熟悉代码库的开发者也常
Generating Proof-of-Vulnerability Tests to Help Enhance the Security of Complex Software
该论文针对现代软件开发中广泛使用第三方库（Lib）所带来的供应链安全风险问题，提出了一种名为PoVSmith的新方法，用于自动生成可执行的漏洞验证测试（PoV tests）。当前开发者通常需要具体的、可执行的证据来判断一个依赖漏洞是否对其应
MOSAIC-Bench: Measuring Compositional Vulnerability Induction in Coding Agents
本文提出 MOSAIC-Bench (Malicious Objectives Sequenced As Innocuous Compliance) 基准测试，用于评估编码代理在分解为常规工程工单时诱导组合漏洞的能力。现有安全对齐方法通常仅