ContractLens: Latent Security Knowledge for Malicious Smart Contract Detection
该论文聚焦 Web3.0 生态中的恶意智能合约审计问题。背景是：基于大语言模型（LLM）的合约审计方法目前主要依赖提示工程（prompt engineering）或针对特定攻击类型的微调，而对 LLM 内部究竟依靠哪些表征来完成恶意逻辑识别
#interpretability
共收录 11 条相关情报。
← 返回所有主题Delphi Scanner: efficient and interpretable static malware detection via API sequence modeling
该论文提出名为 Delphi Scanner 的 Windows PE 文件静态恶意软件检测系统，核心目标是同时兼顾三方面诉求：检测有效性、计算效率与分析可解释性。作者指出，传统静态检测常在三者之间取舍——基于特征签名的方法高效但难以泛化，
Safety Beyond the Interface: Detecting Harm via Latent States in Large Language Models
该论文关注大语言模型（LLM）安全防护基础设施的部署成本问题：当前主流做法是在模型外部串接独立的护栏模型（guardrail model）对输入输出做有害性判定，但这类外部防护会带来显著的推理延迟与算力开销，在资源受限、时延敏感的场景（如边
Why Are LLM Backdoor Defenses Fragmented? A Feature-Level Explanation with Sparse Autoencoders
该论文针对大语言模型（LLM）后门防御碎片化的问题，首次利用稀疏自编码器（SAEs）从特征层面进行系统的机制性分析，以解释为何现有防御方法难以统一应对不同标记类型的后门攻击。后门攻击通过在训练数据中注入触发模式，使模型在特定输入下产生恶意行
Explanation as a Watermark: Towards Harmless and Multi-bit Model Ownership Verification via Watermarking Feature Attribution.
本文提出了一种名为“解释即水印”(Explanation as a Watermark) 的神经网络模型所有权验证方案，旨在解决深度学习模型被窃取或未经授权复用时的归属认定问题。传统模型水印方法通常直接修改模型参数或输出，可能会影响模型在正
When Relationships Break: Interpreting Network Traffic Anomalies via Dependency Violations
该论文针对网络安全监控中基于机器学习的异常检测方法存在的可解释性不足问题展开研究。现有方法要么依赖特征归因技术但忽略特征间依赖关系，要么依赖因果建模但需要大量领域知识或计算资源。为此，作者提出 XION 方法，仅基于良性流量建模网络流特征之
LMSM: LLM Security Framework Inspired by Linux Security Modules
本文提出了一种名为 Language Model Security Modules (LMSM) 的安全框架，受 Linux 安全模块 (LSM) 的架构启发，旨在解决大型语言模型 (LLM) 部署中分层防御仍可能被恶意提示绕过的问题。研究
CyberBridge: Bridging the Gap Between Cybersecurity Education and Industry
该论文提出 CyberBridge，一个自动将网络安全职位描述映射到专业角色画像的框架。研究背景是网络安全领域快速演进，学术课程难以跟上行业实际能力需求。CyberBridge 通过将职位空缺描述分解为知识、技能、任务（KST）陈述，使用
In Defense of Information Leakage in Concept-based Models
该论文重新审视了基于概念模型（Concept-based Models, CMs）中信息泄漏的传统观点。CMs是一类深度神经网络，其预测基于与人类可理解概念（如“圆形”、“条纹”等）对齐的表示。过往研究通常认为，CMs会学习到泄漏概念无关信
DeepAID: Interpreting and Improving Deep Learning-based Anomaly Detection in Security Applications.
论文《DeepAID: Interpreting and Improving Deep Learning-based Anomaly Detection in Security Applications》聚焦于安全领域中基于深度学习的无监督
"Is your explanation stable?": A Robustness Evaluation Framework for Feature Attribution.
本文针对特征归因（Feature Attribution）解释方法的鲁棒性评估问题展开研究。特征归因是解释机器学习模型预测结果的一种常见技术，通过为输入特征分配重要性分数来指示其对模型输出的贡献。然而，现有研究指出，这些解释可能对输入中的微