随着硬件层成为攻击者的重点目标，硬件安全验证技术的改进需求日益迫切。现有最先进的安全验证技术通常需要具备安全专业知识的人员投入大量手动工作，且缺乏标准方法来定位寄存器传输级（RTL）代码中缺陷的具体位置。本文提出 CWEEP，一种用于检测 RTL 中安全弱点的静态分析框架。CWEEP 无需详细的安全规范，因此可在属性仍处于构建阶段的 RTL 开发早期使用。此外，CWEEP 能够定位 RTL 中潜在漏洞的确切位置，并在适用时提供自动代码修复建议。作者利用文献中的数据集，在两组 SoC 设计（包含手动插入的漏洞）以及一个包含 3874 个带缺陷模块的大语言模型生成数据集上评估了 CWEEP 的性能。结果表明，CWEEP 发出正确警告的比例高达 60.8%，而此前工作中的工具在同一数据集上仅有 17.5% 的正确警告率。该研究为硬件安全验证提供了自动化程度更高、定位更精确的静态分析方案，有助于在开发早期发现安全弱点并降低修复成本。

本文提出 CHARGE，一个面向硬件安全验证的自动化框架，利用 CWE（Common Weakness Enumeration）层次结构和大型语言模型（LLM）为未经验证的 RTL（寄存器传输级）模块自动生成安全属性（SystemVerilog Assertions, SVA）。其核心创新在于利用 CWE 条目的层次化语义进行推理，从而在未验证的 RTL 模块中更准确地识别安全关键资产（security-critical assets），并基于识别出的资产与 CWE 语义推断期望的安全行为，生成对应的安全属性。该方法避免了对受信任设计规格说明的依赖，显著减少了人工工程投入。作者在 Hack@DAC18、19 和 21 三个开源 SoC 设计上使用 OpenAI 的 GPT-4.1 进行评估，结果显示 CHARGE 成功检测出这些设计中 42 个已知漏洞中的 27 个。对于 Hack@DAC21 的 OpenPiton SoC，89% 的生成断言能够在 Cadence JasperGold FPV 中运行，且 92.2% 的断言非空（non-vacuous）。与现有开源手工编写的属性集相比，CHARGE 能针对其中 3 个手工属性写错的漏洞正确生成属性；此外，CHARGE 生成的属性还在 Hack@DAC21 OpenPiton SoC 中发现了一个先前未被识别的新漏洞。该研究展示了 LLM 和 CWE 知识在硬件安全验证中的潜力，为自动生成安全属性提供了新的思路，适合硬件安全研究人员、SoC 设计验证工程师以及关注 LLM 在安全自动化中应用的从业者阅读。

本文研究将通用漏洞披露（CVE）记录自动映射到通用弱点枚举（CWE）类别的文本分类方法。CVE-to-CWE映射是漏洞分析中的关键步骤，但目前主要依赖人工。作者将该任务建模为文本分类问题，比较了两种建模策略：多类分类（每个CVE预测一个CWE）和多标签分类（允许预测多个CWE）。实验采用了三种Transformer编码器（BERT Base、SecureBERT和CySecBERT），并在三个嵌套的标签空间（83、47和25个CWE类别）上进行评估。结果表明，多类训练在所有设置下均取得更高的宏F1分数，但随着标签空间缩小，与多标签的差距从21个百分点缩小到2个百分点。在多标签设置中，通过后处理阈值优化可在25类设置下缩小差距。混淆分析显示，主要的错误分类模式遵循CWE层次结构，且三个编码器的错误模式高度相似（Pearson相关系数r > 0.92），表明错误结构更多由分类法设计而非编码器选择驱动。层次宽松评估（允许家族内混淆）将宏F1从约81%提升至约90%，表明严格指标低估了分支级分类器质量。总体而言，CySecBERT在多标签设置中表现最佳，具有统计显著性。该研究为自动化CVE-to-CWE映射提供了方法论指导，并揭示了分类法结构对分类性能的影响。

该论文研究了基于系统调用轨迹的主机入侵检测系统（HIDS）在从已知漏洞（CVE）泛化到同一弱点类别（CWE）中新漏洞时的表现。传统HIDS通常对单个CVE进行训练和评估，但实际运营中需要识别已知弱点类型的新攻击。作者利用LID-DS-2021数据集中的六个攻击场景，将其分为三个CWE家族：CWE-307（认证绕过）、CWE-89（SQL注入）和CWE-434（无限制文件上传）。他们提取了每滑动窗口的66维Peng-Guo风格特征向量，并使用Isolation Forest和SGD One-Class SVM训练单类异常检测器，通过校准阈值固定目标假阳性率（FPR）。论文定义了四个研究问题：自检测能力、不对称跨CVE迁移、CWE级联合正常轮廓的价值、特征过滤对迁移性的影响。实验结果表明，CWE-307的联合检测器在FPR=0.05时达到了F1=0.6976（精确率0.8994，召回率0.5698），而CWE-89和CWE-434在相同协议下F1≤0.21。跨CVE迁移显示出强烈的方向依赖性，主要受源正常行为轮廓的广度而非CWE标签的影响。作者得出结论：使用当前系统调用特征，CWE级泛化在某些弱点家族中是可实现的，但并非所有；并强调校准FPR是在此类设置中诚实报告的方法论前提。该研究为HIDS在弱点类别级别泛化提供了实证基础，指出了当前方法的局限性和改进方向。

大型语言模型（LLM）在生成代码时频繁引入可利用的安全缺陷。现有防御方法通常依赖繁重的微调或外部知识检索，带来显著的计算开销和冗余代码示例导致的数据偏差。本文提出一种相反观点：预训练语料库中已包含丰富的安全知识，缺陷在于激活不足——缺乏明确、简洁的提示时，模型倾向于遵循训练分布中的常见模式，抑制了安全相关表征。为此，作者提出 SPARK，一个无需重新训练的推理时安全皮套，包含两个组件：组件 I 为每个编码任务检索相关的通用弱点枚举（CWE）条目，并将简短的结构化提示附加到 prompt 中，仅此即可激活模型已有的安全表征；组件 II 在每一步解码时向 logits 添加预计算的 token 偏置——该偏置通过对安全方向向量（平均安全隐藏状态与平均不安全隐藏状态之差）投影到语言模型头部获得，离线计算一次，推理时每生成一个 token 仅需一次向量加法。SPARK 在 C++、Java 和 Python 上对 9 个开源模型进行评测，与 7 个基线（包括微调和检索增强方法）对比，在所有设置中匹配或超越最佳基线，同时保持 HumanEval 代码功能正确性。此外，还在黑盒环境下对 7 个最强闭源模型（包括 Claude、DeepSeek 和 GPT）测试组件 I，证实了不安全代码生成的瓶颈以及本方法带来的改进。该工作表明，通过轻量级推理时干预激活 LLM 内生的安全知识，可以高效提升代码安全性，为安全代码生成提供了新范式。