本文是一篇关于静态应用安全测试（SAST）工具采用障碍的文献综述。研究背景是现代软件漏洞频繁导致安全事件，对企业和个人造成严重影响，而SAST工具本可通过识别和修复代码漏洞来加固应用安全，但许多开发团队并未在其开发环境中采用此类工具。作者通过系统梳理近期相关文献，旨在揭示开发者对SAST工具持保留态度的原因，并识别他们在实际使用中遇到的具体问题。研究发现，开发者在使用SAST工具时面临多种可用性问题，这些问题可分为两类：一类是工具固有特性所致，需要开发者投入一定的时间和精力去适应和配置；另一类是工具自身的缺陷，需要SAST工具厂商进行改进。作者认为，要推动SAST工具的广泛采用和持续使用，开发者需要接受学习曲线和初始投入，同时工具厂商应简化使用流程、降低使用门槛。此外，解决SAST采用的主要障碍需要综合考虑技术因素和人员因素，包括提升工具的准确性、可解释性、集成便利性，以及加强对开发者的安全培训。该论文的核心贡献在于系统归纳了SAST采用障碍的类别，并提出了双管齐下的解决路径。适合安全研究人员、DevSecOps实践者、SAST工具设计师以及软件工程管理者阅读，以理解工具落地中的真实痛点。

本文是一篇系统文献综述，聚焦于基于大型语言模型（LLM）的智能体（Agent）在软件与系统安全领域中的应用。研究背景是：安全分析工作往往依赖程序化流程，分析师需要检查异构工件、形成假设、调用工具、解读输出并修订计划。LLM智能体具备规划、工具使用、状态保持和多步工作流中修订行动的能力，因此正被快速采用以自动化这些任务。然而，该领域缺乏系统性理解：术语“Agent”的使用不一致，不同应用的安全风险差异显著，且评估协议往往无法相互比较。为提供全面且连贯的视图，作者对2023至2026年间同行评审的文献进行了系统梳理，从三个维度展开：（1）技术方法，涵盖智能体架构、感知、记忆、推理与规划、动作空间、编排和自改进；（2）应用，即所服务的安全任务类型；（3）评估，包括数据集、结果与轨迹指标、安全措施和基线。综合结果表明，当前构建的智能体具备行动能力，但尚未实现权限边界明确或行为可审计的智能体。此外，论文总结了现有方法、应用和评估设计的局限与挑战，并指明了未来有价值的研究方向。该综述为安全从业者和研究者提供了关于LLM智能体的系统化知识图谱。

该论文针对物联网（IoT）安全与零信任（ZT）原则的融合趋势，首次采用多声部文献综述（MLR）方法，系统整合了68篇学术文献和36篇行业报告。研究发现，学术界与工业界在零信任与IoT安全融合的路径上存在互补但分歧的视角：学术界主要关注通过修改IoT设备使其符合零信任原则，而工业界则更侧重于在现有零信任框架（如NIST标准）中实现实用集成。该综述还识别出关键研究空白，包括社会技术理解不足、成本效益评估缺乏以及跨学科合作缺失，并指出这些是未来研究的重要方向。对于安全从业者而言，该论文有助于理解零信任架构在IoT环境中的落地挑战与行业实践差异，为制定策略提供参考。