PILOT: Command-Line Interface Fuzzing Via Path-Guided, Iterative Large Language Model Prompting.
该论文提出了一种名为 PILOT 的新型命令行界面（CLI）模糊测试框架。CLI 模糊测试通过同时变异命令行选项和输入文件内容来测试程序，从而发现仅在特定选项与输入组合下才会触发的深层漏洞。然而，现有 CLI 模糊测试方法在生成语义丰富的选
#LLM
共收录 2152 条相关情报。
← 返回所有主题Interventional Root Cause Analysis of Failures in Multi-Sensor Fusion Perception Systems.
本文提出了一种名为干预式根因分析（IRCA）的新方法，用于定位自动驾驶系统（ADS）中多传感器融合（MSF）感知系统发生故障的根本原因。自动驾驶系统高度依赖多传感器融合来提升环境感知的准确性，但融合过程无法完全消除不确定性，多个模块的故障会
MESAS: Poisoning Defense for Federated Learning Resilient against Adaptive Attackers.
联邦学习（Federated Learning, FL）通过在不共享原始数据的情况下协作训练模型，能够保护数据隐私、降低通信开销，并利用多样化的数据源提升模型性能。然而，FL 面临多种安全威胁，包括无目标投毒攻击（untargeted po
General Data Protection Runtime: Enforcing Transparent GDPR Compliance for Existing Applications.
本文针对GDPR等数据保护法规在遗留软件系统上的合规改造难题，提出了一种基于信息流追踪的通用数据保护运行时方案。作者首先从GDPR法规中提炼出十二条软件层面的合规要求，涵盖数据最小化、目的限制、存储限制、数据主体权利等核心原则，并论证了这些
AEGIS: Attention-Embedding Gradient Isolation Shield - Triple-Channel Gradient Masking for Privacy-Preserving Federated LLM Fine-Tuning
本文针对联邦学习中共享梯度可能泄露私有训练文本的严重隐私威胁，提出了一种轻量级防御方法 AEGIS（Attention-Embedding Gradient Isolation Shield）。作者首先通过对 Transformer 梯度结
HARP: Hierarchical Adaptive Ranking with Preference-Adaptive Fusion for Query-Based CVE Prioritization
本文针对漏洞优先级排序中的偏好依赖问题展开研究。现有评分系统（如CVSS）和排序方法通常假设固定的评估标准，但实际中，不同组织在不同运营场景下对同一CVE的修复优先级可能截然不同。然而，组织的偏好往往是隐性的，难以显式表述为自然语言指令，而
Aray: Deterministic-First Synthesis of Benign Artifacts for YARA Validation
YARA规则易于分发，但用于验证正匹配的恶意软件样本却难以共享，给存储、持续集成、灾难恢复演练和可复现的扫描器验证带来麻烦。构造替代固定件（fixture）并不仅仅是嵌入字面量：YARA条件可能组合多种结构，如备选分支、计数、偏移、整数读取
Linguistic Holonomy and Statistical Watermarks: Inner Geometry of Meaning-Preserving Transformations
本论文针对语言模型统计水印在语义保持变换下的鲁棒性问题展开理论分析。现有研究通常通过比较改写前后文本的语义相似度（即“端点”度量）来评估改写对水印的破坏程度，但作者指出这种端点度量是错误的统计量。受数学中纤维丛和和乐（holonomy）概念
FedGuard-DC: Privacy-Preserving Federated Load Forecasting and Cyber-Attack Detection for Data-Center Loads in Transmission Systems
本文提出 FedGuard-DC，一个面向输电系统中大型数据中心（DC）负荷的联邦学习（FL）框架，旨在解决隐私保护下的负荷预测与网络攻击检测问题。随着数据中心负荷快速增长，系统运营商需要短时准确信息，但数据中心运营商因担心泄露敏感的工作负
Autonomous Cyber Defense in Connected Vehicles: A Multi-Agent Approach to V2X Security
该论文聚焦网联汽车（Connected Vehicles）中车联网（V2X）通信的安全与时间约束耦合问题。核心背景是：网联汽车必须在约100毫秒内判断接收到的基本安全消息（BSM）是否真实；若伪造的紧急制动警报及时进入规划管线，车辆会误刹车
From Threat Intelligence to Detection: Knowledge-driven Enrichment and Template-based Rule Grounding for Automated Sigma Rule Generation
该论文提出 AUTOSIGMA，一个将非结构化网络威胁情报（CTI）报告自动转换为 Sigma 规则的解决方案。针对高级持续性威胁（APT）快速演变下，传统人工编写 Sigma 规则容易出错、依赖专家知识且难以扩展的问题，AUTOSIGMA
Catastrophic Learning: A New Attack Vector on Continual Learning Networks
该论文针对持续学习（Continual Learning, CL）网络提出了一种新的安全攻击向量。持续学习旨在让深度模型在不遗忘旧知识的前提下，从数据流中迭代学习，但现有对抗研究主要关注重新诱发灾难性遗忘或降低模型可用性。作者发现了一种全新
CTIFoundry: An Agent-Native Corpus Scaffold for Cyber Threat Intelligence
该论文提出 CTIFoundry，一个面向智能体（agent）的网络安全威胁情报（CTI）语料库脚手架。研究背景是：CTI 的消费正从人类分析师转向 LLM 智能体，后者在查询时组合多步调查流程。虽然智能体侧的规划循环、工具协议、上下文管理
Denoising-Aware Inversion: Revealing Privacy Risks in Noise-Protected Text Embeddings
本文研究噪声保护下的文本嵌入反演攻击问题。文本嵌入被广泛用于数据挖掘、检索和机器学习系统，但近期的嵌入反演攻击表明，攻击者可以从嵌入向量中重建原始文本的敏感信息，造成严重隐私泄露。一种常见的防御手段是向嵌入向量中添加高斯噪声以扰动输出，该方
Binary Black-Box Attacks Against Static Malware Detectors with Reinforcement Learning in Discrete Action Spaces.
本文研究针对静态恶意软件检测器的黑盒对抗攻击问题。近年来，基于机器学习和深度学习的静态恶意软件检测器在识别未知恶意软件变体方面表现出色，因此被广泛采用以降低动态分析和人工签名识别的成本。然而，研究表明这类检测器容易受到对抗性恶意软件攻击的影
Membership Inference Attacks Against In-Context Learning.
本文首次提出针对大语言模型（LLM）上下文学习（In-Context Learning, ICL）场景的成员推理攻击（Membership Inference Attack）。ICL作为一种参数高效的适配方法，通过提供少量示例即可让LLM适
0xPass: A Secure Protocol for Universal Cross-Chain Accounts
本文提出 0xPass，一个面向通用跨链账户的模块化协议架构，旨在解决用户在不同区块链生态系统中通过单一接口管理资产时所面临的安全与信任问题。传统跨链账户方案在认证、授权、交易签名、密钥托管、恢复机制和去中心化程度上存在显著挑战。0xPas
Task-Conditioned Least-Privilege Learning for Executable Terminal and MCP Agents
本文研究面向可执行终端与模型上下文协议（MCP）环境中工具使用型大语言模型（LLM）代理的最小权限学习问题。LLM 代理在执行任务时，可能行使超出用户授予或任务所需的权限，导致“过度授权”错误。传统的权限门控系统在验证代理环境时存在不足，因
Evaluating Structured Information Extraction with Open Models in a High Risk Public Sector Application
本文针对公共部门中高风险场景下的结构化信息抽取任务，系统评估了开源模型（OCR引擎、大语言模型LLM和视觉语言模型VLM）的端到端性能。研究背景是，虽然专有方案在商业应用中占主导，但开源组件组合成的抽取流水线正成为可行替代，然而在真实多步骤
Model Card for OpenAI Privacy Filter
本文介绍了 OpenAI 发布的 Privacy Filter 模型卡。该模型是一个紧凑的双向 token 分类模型，用于在非结构化文本中检测和脱敏个人身份信息（PII）与密钥。它基于自回归预训练检查点，通过转换为双向带状注意力分类器，能够