该论文研究自动化计算机安全测试中「确认（confirmation）」环节的可信性问题。当前 AI 辅助的安全测试工具需要自行判断一次攻击是否成功：由确定性规则通过直接观测确认的结论被当作事实上报，而由大模型判定为「可利用」的结论只被当作意见。作者的核发问是：被测系统能否伪造这种确认？在一个四阶段 AI 辅助流水线的离线安全测试环境中，15 个确认机制里有 9 个可被伪造，并且可伪造性可以被单一因素完全预测——该判定是否读取了攻击者可控的数据。作者把这一规律形式化为一个可审计的攻击面，并进行了前瞻性验证：在 16 个留出（held-out）机制上，任何攻击开始之前就固定下来的预测，完全正确地区分了可伪造与不可伪造的机制；在公开扫描器模板中的 12,203 个机制上，预测准确率达到 99.9%。实验还给出量化对比：确定性规则比 8 个开放权重 LLM 裁判更易被伪造，只要攻击者可控响应内容中约 2% 是伪造内容就能使规则失效，而 LLM 裁判对应的中位数为 50%。研究进一步发现，没有任何单一检查实现能够同时做到鲁棒且精确，而在规则与 AI 裁判之间做动态路由反而会把伪造成功率推高到 99%。缓解方向是把决定性证据迁移到攻击者无法写入的通道，这可将攻击成功率从 97% 降到 0%，同时用一个 escalate（升级复核）判定来部分恢复由此损失的检测敏感度；但该保护在被扫描主机本身就是攻击者时会失效。作者指出，这些结论对 AI 安全智能体以及那些以字符串匹配来判定「成功」的安全基准测试都有直接影响。

该论文针对固件重宿主（firmware rehosting）技术在测试嵌入式协议栈时难以到达深层应用状态的问题展开研究。作者指出现有重宿主方法通常采用被动近似的外设行为建模，忽视了三方面关键因素：(i) 中断、MMIO 与 DMA 之间的协同调度关系；(ii) 外设内部隐含的状态转换；(iii) 多个外设之间的交互影响。为了克服这些局限，论文提出了反应式外设建模（Reactive Peripheral Modeling, RPM）抽象，将硬件外设建模为具有反应性和状态机的系统，采用事件-条件-动作（ECA）语义捕获外设行为，从而忠实刻画中断、MMIO、DMA 调度、隐式状态转换以及跨外设交互。作者在 Bluezz 系统中实现了 RPM，并针对 BLE 固件重宿主与模糊测试进行验证，在 NimBLE、Zephyr 及 Nordic SoftDevice（闭源商业栈）等代表性 BLE 协议栈上开展实验。结果表明，在 18 个测试目标上，Bluezz 的平均基本块覆盖率是之前最先进重宿主方法（state-of-the-art）的 2.6 倍以上；与既有方法大多局限于广播与扫描逻辑不同，Bluezz 能够可靠地进入已连接（connected）BLE 状态，并发现了 5 个仅在连接建立后才显现的未知漏洞。此外，作者证明 RPM 方法可泛化到运行于不同 MCU 的其他嵌入式固件。该工作的核心贡献在于提出反应式外设建模这一抽象，系统性解决了重宿主中对外设语义建模不完善的问题，提升了固件测试的深度与效率。适合固件安全研究人员、嵌入式系统测试工程师及相关方向学者阅读。

大型语言模型（LLM）在软件漏洞发现中的应用日益受到关注，但现有评估基准通常要求模型生成针对预定义目标的 PoC 输入，这种方式可能忽略模型发现的、与预期目标不一致但确属有效的崩溃，从而低估模型真实能力。针对这一问题，本文提出了 FuzzingBrain-Bench，一个新的用于评估 AI 模型在开源软件中自主发现漏洞能力的基准。该基准为每个挑战提供一个包含开源项目源码及 sanitizer 插桩 harness 的 Docker 镜像，模型需要生成输入以通过 harness 触发尽可能多的不同崩溃。其评分基于每次运行产生的崩溃签名数量，并设有上限和难度系数以平衡评估。FuzzingBrain-Bench V1 共包含 77 个挑战，覆盖 43 个开源项目，其中 36 个为 C 项目、32 个为 C++ 项目、9 个为 Java/JVM 项目。作者在该基准上评估了 Claude Haiku 4.5、Claude Sonnet 4.6 和 Claude Opus 4.8 三个模型。结果显示，Claude Opus 4.8 表现最优，在 77 个挑战中触发了 60 个挑战的崩溃，总分为 579 分中的 196 分；但仍有 13 个挑战没有任何模型能够触发崩溃。该基准的代码和数据集已公开在 GitHub 上，可供后续研究和评估使用。这项工作为 LLM 驱动的漏洞挖掘提供了一种更真实、更开放的测评方式，有助于推动该领域的发展。

区块链共识协议负责协调多个节点对交易结果达成一致，其实现中的缺陷（包括内存错误和共识逻辑漏洞）可能构成严重威胁。模糊测试（Fuzzing）是发现协议漏洞的有效技术，但现有模糊测试工具在面对分布式节点的复杂共识状态时存在明显不足：它们无法理解和模拟节点间共识状态的演进，导致生成大量无用的网络数据包，难以触及共识协议的深层逻辑，漏洞检测效率低下。为此，本文提出 LOKI——一个状态感知的模糊测试框架，专门针对区块链共识协议的实现进行测试。LOKI 的核心思路是将共识协议的运行状态纳入模糊测试的引导过程，通过建模节点状态、消息交互及状态转换关系，指导测试用例的生成与变异，从而高效地探索共识协议的状态空间。论文的主要贡献包括：设计并实现了状态感知的模糊测试架构，提出了可扩展的共识状态表示与相关的状态引导策略，并在多个主流的区块链共识协议实现上进行了实验验证。实验结果表明，相比现有模糊测试工具，LOKI 能够显著提高代码覆盖率并发现更多深层漏洞。该研究为区块链共识协议的安全测试提供了新的思路，适合区块链安全研究人员、协议实现者以及漏洞挖掘工具开发者阅读。

解析（parsing）在软件项目中无处不在，从小型命令行工具到高安全性的网络客户端，再到大型编译器，都离不开解析器。然而，解析库的实现缺陷可能导致生成不正确的解析器，进而被恶意输入利用，引发系统崩溃或安全漏洞。本文提出了一种轻量级的验证框架Bohemia，旨在帮助解析库开发者将其作为集成测试的工具箱中的一员。该框架基于 Equivalence Modulo Inputs (EMI) 的概念，通过变异输入语法来对解析库进行压力测试。作者在多个采用不同解析算法的解析库上评估了Bohemia，发现了若干缺陷，其中一些已被开发者确认并修复。论文详细阐述了Bohemia的设计原理、实现方式以及实验结果，展示了其在提升解析库鲁棒性方面的潜力。读者可以从中了解一种基于语法变异的解析库测试方法，以及如何利用EMI技术挖掘潜在的解析器缺陷。

本文提出了一种名为JWTeemo的自动化测试方法论，用于系统性地发现JSON Web Token (JWT) 实现中的安全漏洞。JWT作为分布式Web应用中广泛使用的认证和授权标准，其实现常存在签名验证绕过、令牌伪造、拒绝服务等漏洞。此前的研究多为单个漏洞报告，缺乏系统性分析。作者基于JWT规范（RFC 7515等）和常见实现错误，设计了JWTeemo，它通过构造畸形的JWT令牌（如修改签名算法、使用无效密钥、伪造头部等）来测试实现的鲁棒性。作者在10种主流编程语言的43个JWT实现上进行了评估，共发现31个此前未知的安全漏洞，其中20个已分配CVE编号。这些漏洞的影响包括：在Kubernetes中可实现认证绕过（由于Kubernetes使用JWT进行API服务器认证），以及在Apache James中可发起拒绝服务攻击。作者将漏洞归纳为五类：签名验证绕过、令牌伪造、DoS、密钥管理缺陷、算法混淆。针对每类漏洞，提出了缓解策略，并与IETF进行了讨论，IETF已承认这些发现并计划在新RFC中采纳缓解措施。此外，研究团队向受影响的供应商报告了漏洞，收到了Apache、Connect2id、Kubernetes、Let's Encrypt、RedHat等的确认和赏金奖励。该研究适合安全研究人员、JWT库的开发者以及依赖JWT的Web应用安全工程师阅读。

正则表达式拒绝服务（ReDoS）攻击是一种通过利用正则表达式引擎的病理最坏情况执行行为导致计算负载高度不对称、最终耗尽系统资源的漏洞类型。为了保护系统免受ReDoS攻击，已有多种检测技术被提出，这些技术通常通过生成攻击字符串来在开发早期主动利用ReDoS漏洞以促进修复。现有方法主要分为两类：一类是静态分析，查找有问题的正则表达式结构；另一类是动态探索方法，合成候选攻击字符串。然而，这些生成的攻击字符串在实际应用中往往不切实际，因为它们通常假设了不现实的输入长度预算，且未在程序级别验证攻击的有效性和效率。因此，许多字符串在应用于实际程序时无法触发易受攻击的正则表达式，限制了其实用性。为了解决这些不足，本文提出了PUFFERDOS，一种高效且有效的攻击字符串生成器，旨在合成既能在现实长度预算内可行又能通过程序级别验证的攻击输入，从而实现在真实程序中对ReDoS漏洞的有效利用。具体而言，首先基于观察和形式化验证定义了三种易受攻击的模式。根据这些模式，PUFFERDOS采用综合技术生成攻击字符串，然后通过ReDoS特定的组合符号执行（concolic execution）对字符串进行优化和验证，确保其在实际环境中可利用。该研究的核心贡献在于弥补了现有攻击字符串生成方法在实用性和有效性上的不足，为安全测试和漏洞修复提供了更可靠的工具。适合安全研究人员、开发者和安全工程师阅读。

本文提出了一种名为 HyperMirage 的新型混合虚拟 CPU 模糊测试方法，旨在解决传统模糊测试在虚拟化环境中状态覆盖不足的问题。该方法通过直接操纵虚拟CPU的内部状态（如寄存器、内存映射和特权级），结合符号执行和覆盖率引导的变异策略，显著提升了对虚拟化执行路径的探索效率。实验在QEMU、KVM和Bhyve等主流虚拟化平台上进行，结果显示HyperMirage相比现有工具（如Hypercube和TriforceAFL）在代码覆盖率和漏洞发现数量上均有大幅提升，共发现20个先前未知的虚拟化实现漏洞，其中12个被认定为安全关键。论文详细描述了状态快照与恢复机制、混合执行引擎的设计以及针对虚拟CPU特定指令集的模糊策略。该研究属于学术界对虚拟化安全测试方法的创新，适合虚拟化平台开发者、安全研究员和漏洞挖掘专家阅读。