该研究聚焦于静态应用安全测试（SAST）工具在发现 Web 应用漏洞时受到代码风格影响的问题。尽管 SAST 工具被广泛使用，但已知其存在诸多局限性，而编码风格对漏洞检测能力的影响此前鲜有系统研究。作者通过组合商业与开源的多种安全扫描器，对 PHP 和 JavaScript 代码进行了大规模实验，归纳出超过 270 种会阻碍现有工具分析的代码模式。这些模式被定义为“可测试性陷阱”（Testability Tarpits），即当代码中出现这些模式时，SAST 工具的分析能力会显著下降，可能导致漏报。基于这一发现，作者提出了一种在软件开发生命周期中识别这些模式的方法，从而向开发者提供关于代码可测试性的重要反馈。该方法不仅帮助开发者了解代码被静态分析的有效程度，还能辅助评估残余风险：即使静态分析器未报告任何发现，代码中仍可能隐藏漏洞。此外，文章还探讨了通过代码转换来提升代码对 SAST 工具的友好度，为增强安全测试效果提供了可行路径。该研究的核心贡献在于首次系统性地量化了代码模式对 SAST 检测能力的影响，并构建了模式清单，为提升 Web 应用安全测试的准确性和覆盖率提供了新的视角。适合安全研究人员、SAST 工具开发者和应用安全工程师阅读。

本文介绍 Argus，一个针对 PHP 应用程序的静态分析工具，旨在检测注入类漏洞（如 SQL 注入、命令注入等）。该工具的核心创新在于将所有可能的注入汇聚点（sink）纳入分析范围，而不仅仅是常见函数，从而减少漏报。作者提出了一种自动化方法，通过结合污点分析、数据流分析和启发式规则，从 PHP 内置函数和扩展中识别潜在的危险函数。实验结果表明，Argus 在多个真实世界 PHP 项目上比现有工具检测到更多漏洞，且误报率可接受。该研究对 Web 应用安全分析领域具有参考价值，适合安全研究人员和静态分析工具开发者阅读。由于仅基于论文摘要，具体技术细节和实验数据未完整呈现。

本文提出了一种名为TaintRadar的静态污点分析框架，旨在解决现有代码属性图（CPG）在漏洞检测中的三大关键缺陷：粗粒度的净化建模（将验证视为二进制屏障）、数据库盲点（无法跨持久层追踪污点）以及浅层面向对象分析（遗漏字段级和跨过程数据流）。TaintRadar通过三个语义分析层对CPG进行系统增强：一是漏洞类型化的净化分析，利用传递函数和上下文敏感的参数绑定计算节点级安全保障；二是持久感知的传播机制，整合数据库模式约束和查询安全分析，以追踪跨多个脚本的共享数据库状态攻击路径；三是对象感知的到达定义，结合调用上下文和有界变量别名上下文，精确建模跨方法边界的对象字段变更。在SARD基准测试中，TaintRadar大幅降低了误报率，同时保持了80%的整体准确率。在19个真实PHP应用程序上的部署结果显示，它重新发现了大多数已知CVE，并发现了29个已确认的零日漏洞（包括26个SQL注入和3个存储型XSS），这些漏洞均已获得CVE标识。实验证明，语义感知的图增强显著提升了静态污点分析的精度、覆盖率和实际可用性。

该论文针对PHP原生应用中服务器端请求伪造（SSRF）漏洞的检测问题展开研究。现有静态污点分析工具在检测SSRF时存在高误报和高漏报的问题，主要原因包括：未纳入应用特定的source和sink函数、未考虑PHP动态类型特性、缺乏SSRF专用的污点分析规则，从而导致过度污点标记（over-tainting）和欠污点标记（under-tainting）。为此，作者提出了一种精确检测PHP Web应用中SSRF漏洞的技术方法。该方法首先提取PHP内置函数和应用特定函数作为候选source和sink函数；其次，提取显式和隐式函数调用以构建应用的调用图；最后，基于一组防止过度和欠污点标记的规则执行污点分析。作者实现了原型工具，并对不同类型的PHP Web应用进行了评估。初步实验表明，该工具在13种不同类型的应用中检测出24个SSRF漏洞，其中20个为已知漏洞，4个为新发现漏洞。论文的主要贡献在于提出了针对SSRF的专用污点分析规则，有效降低了误报和漏报，并成功发现了新的安全漏洞。适合Web安全研究人员、PHP开发者以及安全检测工具开发者阅读。

该论文以PHP语言中的类型体系为研究对象，通过挖掘特定API（如extract函数）的潜在陷阱，系统分析了PHP类型系统在使用类似extract这类函数时可能引发的安全漏洞。作者通过构造一系列案例，展示了攻击者如何利用类型混淆与变量覆盖机制绕过输入过滤，最终实现代码注入与权限提升。实验量化评估了该漏洞在主流PHP框架中的影响范围，并提出了基于静态分析与运行时检查的缓解方案。本工作对PHP开发者与安全研究人员具有重要的参考价值。

该论文提出了一种名为QUACK的框架，旨在自动防御托管语言中的反序列化攻击。反序列化漏洞广泛存在于PHP、Java等语言中，攻击者通过篡改序列化对象，利用现有代码片段（gadgets）形成利用链。QUACK的核心思路是通过静态鸭子类型推断技术，自动计算并限制反序列化过程中允许使用的类集合，从而大幅减少可被攻击者利用的代码量。具体而言，QUACK在程序源码中静态收集所有反序列化后对象被操作的位置（如方法调用、属性访问等），并基于这些操作的类型约束推断出运行时应该允许的类列表，生成对应的过滤规则。作者以PHP语言实现了QUACK原型，并在多个已知CVE的应用以及GitHub上的流行项目上进行了评估。实验结果表明，QUACK能够在不影响应用正常功能的前提下，平均阻止97%的潜在gadget代码（即可被用于构造利用链的代码片段）。此外，作者将QUACK生成的三个修复示例作为pull request提交给原项目开发者，均被合并，证明了其实际可用性。该研究为反序列化防护提供了一种自动化、轻量级的静态分析方案，适合安全开发人员和安全研究员阅读。