SeriCrypt 提出了一种由大语言模型驱动的、上下文感知的序列化框架，用于自动构造符合语法且密码学有效的协议消息序列。该问题对于协议状态机学习、一致性测试和模糊测试至关重要。与明文协议不同，密码协议存在跨消息的状态依赖和复杂的密码学计算约束，而现有自动化方法主要针对文本或明文协议，密码协议的消息构造仍主要依赖人工。SeriCrypt 的核心方法是利用大语言模型从非结构化的协议规范中提取字段约束、状态依赖和密码学计算规则，并将其转化为统一的、结构化的中间表示，这一表示由针对密码协议设计的领域特定语言 CDSL 正式刻画。随后，一个与协议无关的执行引擎解析 CDSL 声明，自动完成字段值求解、密码学原语调用和字节流序列化。在协议安全测试的应用场景中，作者使用该框架构造针对规范安全约束的违规消息，并支持协议模糊测试，在 TLS 1.2/1.3、IKEv1/v2、SSH 和 TLCP 的主流实现上进行了评估。实验结果表明，SeriCrypt 生成的消息序列被所有被测实现接受，且在所有场景中均能完成握手。安全约束测试发现了五个规范违规问题，模糊测试在相同时间预算下比主流模糊器达到更深的协议状态和更高的代码覆盖率。该工作展示了 LLM 驱动的自动化框架在密码协议安全测试中的实用价值，减少了人工构造协议消息的工作量，提升了协议实现测试的覆盖面。

Python原生的序列化协议pickle虽然功能强大，但存在已知的安全风险，尤其是在传输不可信数据或保存机器学习模型时。为了缓解风险，开发者通常会在反序列化时限制导入的模块，或使用静态和动态分析工具检测恶意负载。然而，这些方法依赖于对Pickle虚拟机（PVM）操作码的准确解释，而Python的三种原生PVM实现（pickle、cPickle、_pickle等）之间存在行为差异，可能导致误判或漏检。为了高效、可扩展地发现这些差异，本文提出了PickleFuzzer，一种基于生成的定制化模糊测试工具。PickleFuzzer根据自定义语法生成pickle对象，然后分别传递给不同实现，通过比较异常抛出和关键内部状态的变化来检测不一致性。它不需要规范的预言机，而是通过差分测试比较执行行为。实验发现了14个新的不一致性，其中4个是严重的安全缺陷，可绕过Hugging Face等模型托管平台使用的安全扫描工具。作者已向Python软件基金会报告了所有发现，并通过漏洞赏金平台获得750美元奖励。研究表明差分测试是发现pickle实现中安全相关差异的有效方法，为未来更定向的模糊测试提供了方向。

本论文针对 Rust 语言中解析和序列化操作的安全性与性能挑战，提出了一种名为 Vest 的新型框架。Rust 以其内存安全著称，但手写解析器和序列化器仍然容易出错且效率低下。现有方案（如 serde）虽提供自动化，但缺乏形式化验证，且难以应对复杂格式。Vest 结合了形式化验证与高性能实现：首先，用户使用一种安全领域专用语言（DSL）描述数据格式规范；然后，Vest 自动生成经过验证的解析器和序列化器代码。其核心创新在于利用符号执行和 SMT 求解器对生成的代码进行属性验证（如内存安全、无崩溃、格式合规），同时通过编译器优化和运行时技术（如零拷贝、预分配）保持接近手写代码的性能。实验在多个实际数据格式（如 JSON、MessagePack、FlatBuffers）上评估，结果显示 Vest 不仅消除了常见漏洞（如缓冲区溢出、未定义行为），而且性能与 serde 相当或更优，在某些场景下提升高达 30%。该工作为 Rust 生态系统提供了安全与效率兼顾的解析/序列化基础设施，适合编译器工程师、形式化方法研究者及系统程序员阅读。