SSP-Bench: A Hybrid Data Generation Framework for Safety, Security, and Privacy Evaluation
该论文针对大语言模型（LLM）在安全（safety）、安保（security）与隐私（privacy，合称 SSP）评估中长期依赖静态基准的问题提出改进方案。作者指出，静态基准存在三类结构性缺陷：分数饱和（模型表现趋同、区分度丧失）、数据污
#cs.SE
共收录 457 条相关情报。
← 返回所有主题TRACTOR Benchmark for Evaluating C to Rust Translators
该论文介绍 DARPA「Translating All C to Rust (TRACTOR)」项目框架下的一套标准化评测基准。研究背景是:C 与 C++ 等内存不安全语言长期承载大量关键软件,缓冲区溢出、释放后使用等内存安全漏洞也随之成为
Specification Before Generation: A Pre-Registered, Five-Model Paired Evaluation of a Specification Frame for LLM-Generated Code in Money, Time, Idempotency, and Access Tasks
该论文研究一个在受监管后端开发中反复出现却长期未被有效解决的问题：大语言模型生成的代码在安全与正确性检查上的通过率四年来几乎没有提升，而在金融、医疗、保险等受监管场景里，真正致命的缺陷类别集中在四类——金额运算（精度、舍入、货币单位）、时间
Security of Agent-Integrated Software: When Human Operations and Agent Actions Coexist
该论文关注「智能体集成软件」（Agent-Integrated Software, AIS）这一新兴软件形态的安全问题。AIS 的思路是在传统应用程序中内嵌一个智能体，使系统同时支持两类操作路径：一类是人类用户操作，用于做精细修改、审查结果
SoK: From Finding to Deployment: Systematizing the OS Kernel Bug Lifecycle
本文是一篇系统化知识（SoK）论文，聚焦 Linux 内核缺陷从发现到部署的完整生命周期。背景是：近年来自动化内核缺陷发现能力快速提升，以 syzbot 为代表的持续模糊测试与静态分析系统，已能以远超下游处理能力的规模持续暴露 Linux
(Don't) Trust, but (Don't) Verify: Developers' Attention to Security in AI-Generated Code
该论文聚焦生成式 AI 编码助手在软件开发中带来的一个被忽视的环节：开发者对 AI 生成代码的“评估行为”，而非最终产出的代码本身。研究背景是：AI 编码助手（自动补全、对话式工具、AI Agent）正迅速改变开发流程，且已被证实会生成不安
Mind the Gap: How SBOM Specification Ambiguities Lead to Divergent Software Bills of Materials. An Empirical Tool Study
欧盟《网络弹性法案》(CRA) 规定自 2027 年 12 月起软件物料清单 (SBOM) 将成为强制合规要求。此前多项研究已发现不同 SBOM 生成工具对同一项目产出的清单存在显著差异,但差异的根因一直不明:究竟源于工具实现错误,还是有意
Closed-World Resolution Against Tool Hallucination in LLM Agents
该论文研究的是工具增强型 LLM Agent 中一个被现有方法系统性忽视的失效模式：模型会调用根本不存在的工具，并传入任何 schema 都未声明的参数（即工具幻觉）。作者指出这不是「工具选错」问题，也不是「权限过大」问题——现有防御分两类
MAGS: Multi-agent Auto-formalization Guarantees Safety for Agentic Outputs
背景与问题：LLM 编码智能体（coding agent）如今能够以远超人工审查速度的规模生成复杂程序，这带来了显著的安全与可靠性风险。常见检测手段——模糊测试、静态分析、LLM-as-a-Verifier——虽然能发现大量缺陷，但难以覆盖
AIJon: Automated Generation of Annotations for Fuzzing
该论文关注模糊测试（fuzzing）中的反馈引导问题。当前主流 fuzzer 以代码覆盖率为反馈来指导探索，这一策略被证明有效，但它会忽略那些不产生新代码路径、却仍对目标程序有意义的输入。此前 IJON 研究显示，由人类领域专家编写的注解（
Can We Stop The Ads? Taxonomy and Characterization of Smartphone Splash Ads and Existing Countermeasures
本文聚焦智能手机「开屏广告」(splash ads)——即用户启动 App 时作为首个交互页面全屏弹出的广告，系统性地回答了「这类广告能否被有效阻断」这一问题。作者首先指出开屏广告的现实危害：它们常通过隐藏或难以察觉的触发机制（如晃动手机、
TasmScan: Continuation-Aware Taint Analysis for TVM Bytecode with Savelist Abstraction
该论文关注 The Open Network (TON) 区块链上的智能合约安全。TON 峰值市值超过 200 亿美元，已有超过 1.75 亿个激活链上地址，其合约由 TVM（TON 虚拟机）执行。TVM 的一大特点是使用一等续体（firs
Evaluating the NIST Bugs Framework Against CWE as a Successor for Automated Vulnerability Classification
该论文关注漏洞分类这一网络安全基础能力。当前业界普遍使用 MITRE 的通用弱点枚举（CWE）作为根因弱点的公共知识库，但 CWE 条目之间存在大量语义重叠，结构上并非正交，导致同一个漏洞往往可被映射到多个弱点类别。这一缺陷使得根因分析（R
Adversarial Testing of Automated Program Repair Agents for Security Vulnerabilities
随着基于大语言模型（LLM）的软件智能体（Agent）被广泛用于自动化程序修复（Automated Program Repair, APR），未来 APR 智能体很可能在没有多少人工干预的情况下自动修复缺陷，这引出了一个关键问题：在此类场景
The Stochastic Deputy: Structural Tenant Isolation for Tool-Using LLM Agents
该论文形式化了工具调用型 LLM Agent 中的「随机代理问题」(stochastic deputy problem):多租户工具通常要求调用方传入租户标识(tenant id),再由工具依据调用方授权校验该标识。但当调用方是 LLM A
EchoFuzz: Empowering Smart Contract Fuzzing with Large Language Models
本文提出 EchoFuzz，一个由大语言模型（LLM）引导的智能合约模糊测试框架，旨在解决现有智能合约模糊测试中的两大瓶颈。背景方面：智能合约作为去中心化应用的基石，自主管理着规模达万亿美元级别的数字资产，因而成为攻击者的高价值目标，漏洞检
Same Name, Different Server: A Security Census of Silent Drift in the Model Context Protocol Ecosystem
该论文对 Model Context Protocol (MCP) 生态进行了一次系统性的安全普查。MCP 已成为大语言模型应用连接外部工具的事实标准接口，其公共注册表分发了数千个社区构建的服务器，但相较成熟软件包生态，其审核与治理基础设施
FST Pay: Deterministic Safety-Gated Architecture for Youth Digital Payments
该论文关注青少年数字支付场景中的安全架构问题。背景上，数字支付基础设施正越来越多地向未成年用户开放实时金融服务，这虽然有助于提升金融素养与数字普惠，但也使年轻用户暴露于冲动消费、社会工程诈骗、未授权交易和商户不当利用等风险。现有对策主要依赖
BenchShield: Formal Model-Backed Instrumentation for Reward Integrity in LLM-Agent Evaluation Infrastructure
本文针对 LLM 智能体（LLM-Agent）评测基础设施中的奖励劫持（reward hacking）问题，提出了一套名为 BenchShield 的模型化插桩与检测框架。背景在于：当前的智能体基准测试已经从静态问答演变为交互式评测基础设施
DeFiFusion: Combining Transaction Events with Smart Contracts to Detect Price Manipulation Attacks
该论文研究的是去中心化金融（DeFi）中的价格操纵攻击（Price Manipulation Attacks, PMA）检测问题。背景上，DeFi 作为基于区块链的快速增长型金融服务，其市场交易动态与底层智能合约逻辑深度耦合；这种无需中心化