网络协议解析器是确保设备间正确与安全通信的关键组件，其缺陷可能导致内存破坏、信息泄露或拒绝服务等严重漏洞。传统验证方法（如模型检验、模糊测试、差异测试）要么需要大量人工投入，要么忽略协议标准本身，难以检测语义违规。本文提出 Parval——一种基于大语言模型（LLM）的多智能体框架，旨在自动化验证解析器实现与协议的官方标准（如 RFC）之间的一致性。Parval 利用 LLM 对自然语言和代码的理解能力，将协议标准文档和实现代码分别转化为统一的中间表示（格式规范），然后通过差分比较发现不一致之处。研究人员在双向转发检测（BFD）协议上评估了 Parval，实验表明该框架成功识别了实现与 RFC 标准之间的不一致，误报率低至 5.6%，并发现了 7 个独特的漏洞，其中 5 个为之前未知的问题。该方法显著降低了人工审查成本，为协议实现合规性验证提供了新的自动化途径。读者包括安全工程师、协议开发者和研究人员，尤其适用于需确保关键基础设施中协议解析器正确性的场景。