MAS-SZZ: Multi-Agentic SZZ Algorithm for Vulnerability-Inducing Commit Identification
精确识别漏洞引入提交（Vulnerability-Inducing Commit）是软件安全领域多项任务（如漏洞检测、受影响版本分析）的基础。传统的SZZ算法通过追溯代码历史来定位最早修改漏洞代码的提交，但现有方法（如定制化V-SZZ和当前
#LLM
共收录 2152 条相关情报。
← 返回所有主题GoAT-X: A Graph of Auditing Thoughts for Securing Token Transactions in Cross-Chain Contracts
本文提出 GoAT-X 框架，旨在解决跨链桥合约安全审计中的语义复杂性问题。跨链桥作为多链生态的关键基础设施，因实现缺陷已造成超过28亿美元损失。现有防御手段如字节码级静态分析难以处理跨链交互的语义复杂度，而基于大语言模型（LLM）的方法虽
Agentic Witnessing: Pragmatic and Scalable TEE-Enabled Privacy-Preserving Auditing
该论文针对审计专有数据语义属性时的隐私与透明矛盾，提出了一种名为“Agentic Witnessing”的框架。传统方法如零知识证明（ZKP）适用于精确代数约束，但难以验证定性、非结构化属性（如代码库中的逻辑）。该框架将验证从可证明执行扩展
Dynamic Cyber Ranges
本研究针对LLM驱动的智能体在网络安全领域的评估问题展开。当前基于Jeopardy CTF的基准测试已接近饱和，而静态设计的网络靶场在抵御LLM驱动的攻击者时效果递减。作者通过部署一个LLM驱动的APT智能体在三个不同真实度层级的基础设施（
Adversarial Co-Evolution of Malware and Detection Models: A Bilevel Optimization Perspective
提出一种基于双层优化的对抗防御框架，模拟攻击者与防御者的共同进化，将恶意软件逃逸率从90%降至0-1.89%。
ArmSSL: Adversarial Robust Black-Box Watermarking for Self-Supervised Learning Pre-trained Encoders
提出一种名为ArmSSL的框架，用于对自监督学习预训练编码器进行黑盒可验证且对抗鲁棒的水印保护，在不影响主任务效用的前提下实现知识产权防护。
SSG: Logit-Balanced Vocabulary Partitioning for LLM Watermarking
提出SSG方法，通过对数几率平衡的词汇分区提升LLM水印在低熵场景（代码生成、数学推理）下的检测能力。
Automation-Exploit: A Multi-Agent LLM Framework for Adaptive Offensive Security with Digital Twin-Based Risk-Mitigated Exploitation
提出一个名为Automation-Exploit的多智能体LLM框架，用于在黑盒场景下自适应执行自动化攻击，并利用数字孪生技术降低内存破坏漏洞利用导致拒绝服务的风险。
Train in Vain: Functionality-Preserving Poisoning to Prevent Unauthorized Use of Code Datasets
提出 FunPoison，一种功能保持的数据投毒方法，通过注入可编译的弱使用片段，保护代码数据集免遭未授权使用。
Behavioral Canaries: Auditing Private Retrieved Context Usage in RL Fine-Tuning
提出行为金丝雀审计机制，通过在偏好数据中注入触发器-奖励信号，检测RL微调是否使用了受保护检索数据。
Sovereign Agentic Loops: Decoupling AI Reasoning from Execution in Real-World Systems
提出Sovereign Agentic Loops (SAL)架构，通过控制平面解耦LLM推理与执行，验证模型意图后再执行，防止不安全API调用。
Transient Turn Injection: Exposing Stateless Multi-Turn Vulnerabilities in Large Language Models
提出一种名为Transient Turn Injection (TTI)的新型多轮攻击技术，通过跨隔离交互分布恶意意图来利用大语言模型的无状态审核漏洞。