The History Is the Detector: Executing CVE Patch History, End-to-End
本文提出 BUGSTONE-E2E，一种将漏洞历史（尤其是 CVE 修复提交）转化为可执行检测规则并自动化验证的端到端框架。当前公共漏洞数据库虽然记录了已知软件缺陷的类型、影响组件和补丁信息，但这些信息主要用于人工查阅，缺乏自动化复用机制，
#differential-testing
共收录 6 条相关情报。
← 返回所有主题InSPECtor: Improving SLEIGH Processor Specification Veracity via Proxy
该论文聚焦于处理器规范（processor specification）的正确性验证问题。处理器规范是反汇编器、反编译器、模拟器等关键安全与程序分析工具的基础，但其正确性很少被系统检查。规范中的错误会扭曲程序行为、掩盖漏洞，甚至为分析规避技
Differential Testing of Cross Deep Learning Framework APIs: Revealing Inconsistencies and Vulnerabilities.
该论文针对跨深度学习框架API的一致性问题展开研究，提出了一种差分测试方法，旨在自动发现不同深度学习框架（如TensorFlow、PyTorch等）中同名或相似API之间的行为不一致性，并进一步揭示由此可能导致的安全漏洞。核心思路是构造能够
PickleFuzzer: A Case Study in Fuzzing for Discrepancies Between Python Pickle Implementations.
Python原生的序列化协议pickle虽然功能强大，但存在已知的安全风险，尤其是在传输不可信数据或保存机器学习模型时。为了缓解风险，开发者通常会在反序列化时限制导入的模块，或使用静态和动态分析工具检测恶意负载。然而，这些方法依赖于对Pic
Chai: Agentic Discovery of Cryptographic Misuse Vulnerabilities
本文提出 Chai，一个基于 AI 的漏洞发现系统，专门针对加密误用（cryptographic misuse）这类缺少传统插桩检测支持的漏洞类型。传统 AI 辅助漏洞发现主要依赖内存安全等具有明确插桩验证的漏洞类，而对于加密误用，由于缺乏
AIChilles: Automatically Uncovering Hidden Weaknesses in AI-Evolved Systems
该论文关注AI驱动系统进化中隐藏的弱点问题。近年来，计算机系统社区对AI驱动的系统进化兴趣日益增长，即利用AI智能体迭代地重写系统代码。例如AdaEvolve和Engram等框架声称相比于人工设计算法可获得12-60%的分数提升。然而，这些