Compared to What? A Human-Anchored Security Benchmark for LLM-Generated Infrastructure-as-Code
本文提出 GenIaC-SecBench，一个用于评估大语言模型生成基础设施即代码（IaC）安全性的基准测试。研究动机是：LLM 越来越多地被用于编写 IaC，而其中单个不安全默认值可能直接部署到生产环境；已有评估多报告原始漏洞数量，但缺乏
#security-benchmark
共收录 4 条相关情报。
← 返回所有主题Poster: Rethinking Security in LLM Code Generation through Real-World Risk Scenarios
本论文聚焦于大型语言模型（LLM）在代码生成中的安全性问题，指出现有基准测试往往依赖明确指定的安全需求，无法覆盖真实开发中提示词模糊或不完整的场景。作者从开发者视角出发，识别出三类典型风险场景：模糊需求（Ambiguous Requirem
A Comparison of Kubernetes Compliance Standards and Configuration Scanners
本研究针对Kubernetes（K8s）在微服务架构中作为容器编排标准所面临的安全配置一致性问题，系统比较了八种常用的Kubernetes加固指南，并基于最佳实践建立了包含79项配置建议的基准。通过对十种流行的静态配置扫描工具的结构化实证评
AgentSecBench: Measuring Prompt Injection, Privacy Leakage, and Tool-Use Integrity in LLM Agents
该论文提出了 AgentSecBench，一个用于系统性评估大型语言模型（LLM）代理安全性的实证基准框架。LLM 代理在处理可信指令、检索记录和工具观测时，所有信息均通过同一个生成通道，导致数据流与权限混淆：即使应用策略未授权，不受信任的