该论文聚焦 LLM Agent 安全分析中的一个基础性难题：如何判定模型生成的决策是否会真正触达安全敏感能力。现有方法通常以「预定义的敏感操作（sink）」作为分析锚点，例如命令执行、文件系统读写、网络通信、浏览器控制以及外部工具调用等。但作者指出，仅凭操作身份（operation identity）无法判断其安全含义——同一个工具调用在不同上下文中可能是被严格守卫的正常业务逻辑，也可能是未经校验、跨越信任边界的高危行为。 为解决该问题，论文提出 AgentSecGraph，一个安全感知的静态分析框架。其核心产物是「以候选者为中心」的 Security-Aware Agent Dependency Graph（Security-ADG）：对每一个检测到的安全敏感操作候选，构建一张依赖图，并在操作身份之外叠加多维度证据，包括：(1) 该操作与 Agent 的相关性（是否真的由 Agent 决策驱动）；(2) 来源与依赖证据（数据从何处流入该操作）；(3) 信任边界上下文（是否跨信任域）；(4) 守卫证据（guard，是否存在校验、白名单、确认机制等）；(5) 外部效应语义（操作对外部系统产生的实际影响）。 为支撑评测，作者构建了 AgentSecBench 语料库，覆盖 67 个真实 LLM Agent 仓库、11 个生态、37,542 个源文件。当前分析器在 65 个仓库中识别出 23,866 个静态安全敏感操作候选，并为每个候选输出一个 Security-ADG 产物。全语料分析为 9,821 个候选（41.15%）恢复了 source-to-operation 依赖证据，为 3,075 个候选（12.88%）恢复了潜在守卫证据，整体耗时 50.8 分钟。 在独立的人工复现（reproduction-backed）评估层中，作者在 13 个仓库上确立 22 个安全敏感行为，包括 1 个已确认漏洞、1 个待披露候选、20 个受守卫行为。在 9 个留出（held-out）案例中，Security-ADG 保留了 91.1% 的参考上下文以及全部 5 个观测到的守卫；作为对比，仅看 sink 的视图只保留 20.0%，简化版 ADG 保留 40.0%。结论是：安全感知的依赖与上下文证据能够支撑一些仅凭敏感操作身份无法恢复的区分能力，为 Agent 安全审计提供了更贴近真实语义的静态分析基础。

该论文针对 Node.js/NPM 生态中恶意包泛滥、软件供应链攻击频发的问题，提出了一套名为 DistillGuard 的轻量级恶意 NPM 包检测框架。作者指出，恶意代码主要在包安装、导入（import）和运行时三个阶段被触发，而现有防御手段各有短板：传统静态分析无法理解代码语义，容易漏报语义化混淆或逻辑型后门；基于机器学习的方法依赖人工特征工程，面对攻击者不断演化的手法会出现概念漂移，模型效果随时间衰减；直接调用大语言模型（LLM）的方案虽然语义理解能力强，但存在调用成本高、需将源码/内部数据外传带来的数据安全与合规风险，且实际检测性能并不理想。 DistillGuard 的核心思路是把静态图语义分析与 LLM 知识蒸馏结合起来。流程上分为三步：第一，通过三个静态分析模块从包中提取多粒度特征（如代码结构、依赖关系、调用图等层面的信息），为后续判断提供语义化输入；第二，借助在线 LLM 对样本进行安全知识蒸馏，生成高质量的安全知识与结构化标签，相当于用大模型充当“标注与知识提炼教师”；第三，使用 LoRA 对开源 Qwen3-8B 模型进行高效微调，使蒸馏得到的能力落到本地可离线部署的小体量模型上，从而规避在线调用成本与数据外泄风险。 实验结果显示，DistillGuard 达到 95.3% 的准确率、99.4% 的精确率和 93.8% 的 F1 值，优于当前最先进的工具，相较基线在 F1 上提升 11.1 至 30.0 个百分点。论文的实证研究还刻画了恶意攻击所处的不同阶段以及恶意行为的分布情况，并归纳出八类典型的 API 攻击链，为 NPM 供应链安全防御提供了可操作的参考。适合从事软件供应链安全、包仓库治理、恶意代码检测与 LLM 安全应用的读者阅读。

该论文关注 CPython 移除全局解释器锁（GIL，即 free-threaded 构建）后带来的新安全问题：原生 C 扩展代码原本不必面对 C 语言类型之外的并发语义，如今却会在「获取」与「使用」之间遭遇对象的并发撤销。作者指出，一个原生使用点实际依赖的运行时属性（被借用的对象、存储指针、遍历状态、租约等）可能因其他线程的变更或重入而被撤销，即使其属主对象仍然存活，从而导致原生内存错误和解释器运行时状态损坏。现有工作存在报告粒度错位：数据竞争分析只跟踪冲突访问，Python/C 生命周期分析只跟踪单个对象状态，二者都无法把隐含的「属主—主体—存储」关系与后续使用点在同一并发/重入语境下串联起来。为此作者提出 CONCURDEP，一种源码级静态分析框架，核心洞见是显式建模「原生使用点所要求的运行时属性」，并追问在依赖的存活区间内，哪一个目标匹配事件能够撤销该属性。系统包含三部分：恢复运行时语义依赖；通过事件感知的原生并发依赖图把依赖与事件相连；在共享引擎与六个机制插件中执行属性特定的状态与保护转移。评估显示其在 180 个配对语义一致性用例上全部正确分类；对三个生产级 CPython 版本的分析中位耗时 22.13–27.66 秒、峰值常驻内存 670–784 MiB；源码审计确认 4,273 个唯一生产指纹中的 1,094 个（25.60% 确认率）。消融实验表明，去掉派生关系恢复会使每个版本丢失 25–44 个被表示的根，去掉跨入口事件则丢失 73–94 个。研究共识别出跨 free-threaded 与传统 GIL 构建的 144 个不同缺陷，其中 95 个此前未公开报告。结论是：当依赖、事件与属性语义被显式表达时，可在发布规模上暴露跨越 API 边界与执行模式的严重后果。

该论文针对当前自动将 C 代码重构为 Rust 的工具开展了系统性实证研究。研究背景是 Rust 凭借内存与类型安全保证成为系统编程的热门语言，但人工把 C 迁移到 Rust 需要深入的领域知识与大量投入；因此业界出现了基于静态分析与大语言模型的自动 C→Rust 重构工具（C2Rust-analyze、CROWN、C2SaferRust、FLOURINE），并常以减少 unsafe 代码量作为安全性的宣称依据。作者指出，unsafe 代码减少与真实安全提升之间的相关性并不明确，于是构建了包含 116 个来自 NIST Juliet 测试套件、带有内存安全缺陷的 C 程序数据集，并用上述工具生成了 464 个 Rust 程序。评测围绕三个维度展开：重构后程序的编译正确性、对原始 C 缺陷的实际缓解效果、以及是否引入新的 Rust 缺陷。结果显示：342 个 Rust 程序无法通过编译，177 个程序仍然继承了原始 C 程序中的内存安全缺陷，另有 77 个新引入的 Rust 缺陷。作者进一步分析了各工具的设计动机与错误根因，结论是现有自动重构工具所交付的只是其自身定义的“内存安全”，而非采用它们时所期望的更广义的内存安全，说明自动重构并不等于安全迁移。

该论文提出名为 Delphi Scanner 的 Windows PE 文件静态恶意软件检测系统，核心目标是同时兼顾三方面诉求：检测有效性、计算效率与分析可解释性。作者指出，传统静态检测常在三者之间取舍——基于特征签名的方法高效但难以泛化，端到端深度学习模型准确率较高但算力开销大且判定过程近似黑盒，难以向分析师解释"为什么这是恶意文件"。Delphi Scanner 的设计思路是将"判定"与"解释"解耦：分类侧使用卷积神经网络（CNN）对 Windows API 调用序列建模，把 PE 文件的 API 序列视为一种类似文本的序列结构，通过卷积核捕获局部调用模式与组合特征，最终输出该样本是否恶意的分类结果；解释侧则是一个独立的、基于规则的解释层，将底层 API 归类映射到高层恶意能力（如持久化、进程注入、凭据窃取等语义类别），使分析人员能够看到模型判定背后对应的行为语义，而无需深入模型内部权重。作者在超过 19 万个 Windows PE 文件上进行了评估，取得 95.35% 的分类准确率，模型体积仅约 1.53 MB，说明其可在本地部署场景下低开销运行。鲁棒性方面，作者使用三类额外数据与测试进行验证：来自 MalwareBazaar 的 5,647 个分布外样本、成对提供的加壳与脱壳可执行文件，以及三种对抗性操纵策略。实验结果表明系统在训练分布之外仍具备泛化能力，并对保持功能不变的规避技术（如加壳、等价改写等）具有较好的抵抗性。论文结论认为，基于 API 序列的静态分析为本地化恶意软件初筛（triage）提供了一条实用、可解释且高效的路径，适合作为安全运营中大规模样本快速分诊的前置过滤环节。

这篇论文 (cs.NI) 讨论一个被普遍忽视的安全度量偏差: 围堵 (containment) 决策——防火墙放在哪里、监控哪些链路、程序能触及什么——通常基于对系统结构的某一次观测快照来计算, 而真实的连接关系 (wiring) 会随时间变化, 快照因此系统性低估了需要切断的边数。作者用一个活跃维度随时间轮转的超立方体作为模型: 在任一时刻做平衡分割, 93% 的瞬间看起来没有任何跨割边, 但要把两个部分永久隔离, 必须长期封堵 8192 条边; 若再叠加一个始终在线的环, 防御者只看得见 2 条需要封堵的边, 而实际需求是 8194 条, 差距高达 4097 倍。引入时间感知的防御者可以把平均封堵数降到 585 条, 但只要时钟延迟一步, 其围堵效果立刻跌到 0%。作者随后检验真实互联网: 在剔除规模增长因素后, 1997-2000 年的差距仅约 1.8-2.0 倍, 2024-2026 年约 1.5-1.6 倍, 说明这种盲区并非客观世界固有, 而是设计引入的——光学数据中心网络的轮转 (round-robin) 调度, 其盲区大小恰好等于调度周期。作者提出以"声明式能力地图 + 对真实应用调用图做静态可达性分析"替代字符串黑名单: 在测试中前者抓出全部 8 个植入的漏洞通路, 后者只抓到 2 个。更值得注意的是, 所有数值都可以由单一参数 (周期) 通过同一个计算推出, 并由此映射到三个平时不被当作"调度"的边界场景: 跳频通信 (其经典结论正是这些闭式解, 只是把边换成信道)、气隙隔离 (其常开跨越集为空, 已知的突破恰好发生在快照看不到的那个相位)、以及编码智能体 (coding agent) 的工具面清点。把同样的割集分析用于智能体: 空闲时其瞬时状态割为零, 但有 6 条通道能让它跨越上下文重置, 且没有一条是网络——因此切断网络能减少的围堵量为零。负责派生副本的通道是一个分支过程, 在批准率 1/b 处存在尖锐阈值: 低于阈值时拒绝没有必要, 高于阈值时拒绝也不足以遏制。论文的核心主张是: 应按"实际存在的可达路径"而非"曾观测到的行为"来做围堵。

该论文聚焦于基于大语言模型的恶意 npm 包检测中的一个关键盲区:LLM 的上下文窗口有限,而攻击者可以利用 JavaScript 混淆制造极高的 token 密度,或把恶意代码与良性代码打包(bundling)在一起,使文件体积膨胀、超出可分析范围。检测器因此在实践中会直接跳过超大文件,或虽读取却无法理解其中的恶意逻辑,造成漏报——这构成一条可被攻击者主动利用的规避面(论文提及近期 Shai-Hulud 供应链攻击中,LLM 恶意包检测已体现实战价值)。 针对该问题,作者提出 CASHEWS,一个置于检测器之前的 JavaScript 源代码预处理器。其核心思路是不将原始文件直接送入 LLM,而是先重写为只保留与判定恶意意图相关、且不易误导模型的紧凑表示。具体包含四个环节:(1) 通过迭代解码对混淆代码进行反混淆;(2) 抽取被打包的模块以及运行时动态执行的代码,让被隐藏的代码重新进入分析视野;(3) 识别危险操作/污点汇聚点(sink),并计算能够到达这些 sink 的后向切片,从而仅保留与潜在恶意行为相关的语句;(4) 对超长字面量与标识符进行缩写,进一步压缩 token 规模。 实验覆盖 512 个大体积包文件、两种扫描器类型与三个 LLM。结果显示,CASHEWS 将分析覆盖率从 69.1–85.7% 提升至 98.8–100%,漏报率最多降低 18.6 个百分点;预处理耗时中位数为 30 秒,并使整体分析成本净下降 34.6%。这意味着在同等甚至更低的分析成本下可以使用更强的模型进行检测,使注册表级别的全量 LLM 恶意包分析更具可行性。该工作适合 LLM 安全应用研究者、软件供应链检测方向的研究者与工程实践者阅读。

该论文关注 AI 编程助手大规模进入软件开发生命周期后带来的安全风险,但指出当前研究存在明显偏向: 大量工作聚焦于「AI 生成代码中是否存在漏洞」这一检测问题,而缺乏对漏洞严重性、任务语境与整体风险水平的系统化评估方法。为填补这一空白,作者提出安全风险评估框架 SRF(Security Risk Assessment Framework)。SRF 在方法论上由三部分构成: 第一,威胁建模,用于在评估前明确资产、信任边界与潜在攻击面; 第二,安全分析,借助静态分析工具对生成代码进行扫描; 第三,基于漏洞严重性(criticality)的定量风险评估,把检测结果映射为可比较的风险等级,从而避免只给出「有/无漏洞」的二元结论。实验设计上,作者选取一组与安全相关的编程任务作为基准,覆盖输入处理、文件处理等不同类别,并让多个主流 AI 开发工具分别生成实现代码,统一使用 Bandit 与 Semgrep 进行静态分析。结果显示: 所有被评估的 AI 工具生成的代码均会引入安全漏洞,说明这并非个别产品的问题,而是当前生成式编码范式的共性风险;风险等级随任务类型显著变化,输入处理与文件处理类任务的风险明显更高,而较简单的任务仍维持在低风险区间;不同工具之间存在差异,但工具间差异小于任务类别之间的差异,提示「任务语境」比「工具品牌」更能解释风险高低。作者据此认为,SRF 提供了可复现的评估流程与实用框架,可帮助组织在采纳 AI 编码工具时量化其安全影响。适合关注 AI 辅助开发治理的安全团队、DevSecOps/SSDLC 工程师、代码审计人员以及 AI 合规与风险管理岗位阅读。由于仅依据摘要,具体的任务清单、提示词设置、样本量与统计细节无法确认。

该论文关注 The Open Network (TON) 区块链上的智能合约安全。TON 峰值市值超过 200 亿美元，已有超过 1.75 亿个激活链上地址，其合约由 TVM（TON 虚拟机）执行。TVM 的一大特点是使用一等续体（first-class continuation）配合 savelist 来管理控制流与寄存器状态：savelist 会捕获寄存器，使得数据可以跨续体边界流动而无需经过操作数栈。这导致传统的字节码级分析无法构建完整的数据流跟踪，除非显式建模 savelist 语义。作者提出 TasmScan，据称是首个面向 TVM 的字节码级静态分析框架，能够在不依赖源码的情况下进行跨续体数据流推理。其核心方法包括：通过前向寄存器分析建模 savelist 语义，对精确解析的 save 站点和本地跟踪的寄存器定义给出形式化过近似保证；随后将字节码提升为类型化中间表示 TASIR，并在其上执行路径敏感的污点分析，配合上下文感知的污点源来检测缺陷。评估使用来自 TON verifier registry 的 2921 个合约，以及一个由 208 个合约组成、带人工确认 ground truth 的标注基准。在全量语料上，TasmScan 解析了 294,546 个动态续体目标，精度达 100%；消融实验证实 savelist 传播对于解析依赖跨续体寄存器传递的间接寄存器调用不可或缺。在标注基准上，TasmScan 对五类缺陷的检出率为 95.3%，精度 96.8%；从全量语料中分层抽取 366 对样本估计整体精度为 85.8%。性能上，相较当前最优的符号执行基线取得 17 倍中位加速，且在路径分析对比中 100% 完成分析，无崩溃、无超时。

随着语言模型代理越来越多地被用于处理完整软件仓库，现有网络安全评测多聚焦于代理能否检测、复现或修复漏洞，却很少衡量它们能否真正“定位”到相关代码。本文提出“漏洞定位（vulnerability localization）”这一任务：给定一个弱点类别（CWE）和一个不熟悉的代码仓库，要求识别出与该弱点相关的实现文件。作者构建了 VLoc Bench 基准，包含来自 290 个仓库、6 个包生态、147 个 CWE 类别的 500 个真实漏洞；每个任务由一对仓库快照组成——修复前与修复后。在“脆弱快照”上，代理只能获得 CWE 描述和只读终端访问权限，必须返回受影响文件；在“已修补快照”上，代理必须判断所记录的漏洞是否已不存在。作者在统一的代理接口下评测了 27 个语言模型和 4 个静态分析工具。结果表明，仓库级漏洞定位依然非常困难：最强系统仅取得 0.229 的 File F1，且 38.4% 的任务没有任何被评测模型能正确定位。更值得注意的是，更强的定位能力并不代表修复后行为可靠：即使能够有效识别脆弱文件的系统，在已修复仓库上仍会报告缺乏依据的位置。该工作将漏洞定位确立为一种独立的、仓库规模的安全代理能力，并为研究代理如何搜索脆弱代码、以及何时应当避免报告提供了评测环境。

该论文关注一个长期被安全社区低估的问题：Python 的 import 语句不仅是依赖解析机制，更是一个执行边界——在模块与包的初始化阶段就会实际执行代码。这种执行可能触发异常、动态加载模块或原生扩展、访问文件/网络/环境资源，甚至在应用尚未调用目标包的任何 API 之前就修改安全敏感状态（如全局配置、日志、密钥、认证开关、反序列化钩子等）。作者指出，已有研究多聚焦于包选择风险、恶意包检测或包自身的漏洞，而缺少对「导入行为本身如何引发缺陷与安全问题」的系统性实证分析。为填补这一空白，作者构建了 ImportMine 研究流程：把公开安全公告（advisories）与 PyPI 项目历史数据结合，利用源码与补丁证据进行人工/半自动确认，回答四个问题——import 在什么条件下激活问题、问题为何产生、开发者如何修复、以及需要哪些程序信息才能解释该行为。研究保留 31 个与 import 相关的公告漏洞和 38 个应用-数据边界案例，并在 1,302 个代码仓库中确认了 1,429 个项目历史缺陷。关键发现包括：在初始化阶段被激活的项目历史缺陷中，97.6% 会导致正常执行中断或功能受损；而在 20 个初始化阶段激活的公告漏洞中，90.0% 被评级为 High 或 Critical。模块级代码与包初始化共激活了 98.3% 的分析案例，说明风险主要集中在导入即执行的语义上；动态加载虽占比很低，但其案例大多执行了安全敏感操作。作者还观察到一种普遍的修复反模式：许多补丁只是改变 import 何时变为「激活」（延迟导入、条件导入、移动到函数内部），而非真正移除依赖或消除危险副作用。最后，论文发布了 ImportVulBench，包含 228 组修复前/修复后配对程序，覆盖全部 11 种缺陷类型，可用于评估静态分析与程序理解工具对 import 触发行为的检测能力。

本文提出 EchoFuzz，一个由大语言模型（LLM）引导的智能合约模糊测试框架，旨在解决现有智能合约模糊测试中的两大瓶颈。背景方面：智能合约作为去中心化应用的基石，自主管理着规模达万亿美元级别的数字资产，因而成为攻击者的高价值目标，漏洞检测需求迫切。问题一：现有方法在处理合约状态转换时存在逻辑鸿沟与组合冗余，难以在漏洞检测效率与状态空间探索成本之间取得有效折中，导致关键执行路径被遗漏。问题二：基于规则的序列变异策略存在路径冗余、缺乏合约逻辑引导等缺陷，形成性能瓶颈，使探索难以深入到面向深层漏洞的路径。方法上，作者引入“易受攻击函数调用序列”（VFCS，Vulnerable Function Call Sequences）这一概念——即最小化的、保持行为语义的执行路径，通过关键状态转换暴露缺陷。EchoFuzz 包含两个关键流程：其一为链式引导的 LLM 方法，将静态分析与逻辑理解相结合，为特定合约生成 VFCS 候选，从而消除组合冗余；其二为迭代式模糊测试策略，利用 LLM 结合实时反馈，自适应地将模糊器导向尚未覆盖的分支。实验结果表明，EchoFuzz 优于当前最先进的方法，分支覆盖率提升 29%，检测到的漏洞数量增加 62%；同时在真实合约中发现了 37 个此前未知的漏洞，显示出较强的实用价值。适合智能合约安全研究者、审计工具开发者以及关注 LLM 赋能程序分析方向的工程师阅读。摘要未声明该成果已被在野利用或武器化。

该论文提出并量化了「静态通过、动态失败」（Static-Pass Dynamic-Fail, SPDF）现象：代码通过了静态安全扫描，但在真实运行时仍可被利用。作者指出，静态分析因可扩展、可复现、成本低，被广泛当作软件供应链与 AI 生成代码的安全闸门，但它无法直接观察运行时的利用行为；那些依赖对抗性输入、执行上下文或漏洞链式组合才能触发的缺陷，往往能绕过静态检查而在实践中仍具可利用性。然而业界普遍把「静态扫描通过」等同于「行为安全」，这正是论文试图挑战的假设。为验证这一问题，作者构建了一个三阶段智能体流水线：第一阶段用 Bandit 与 Semgrep 组成的复合静态闸门做初筛；第二阶段由 LLM 驱动的 CWE（通用弱点枚举）推理，对静态无告警的样本重新审视，判断是否存在候选弱点；第三阶段在隔离的 Docker 容器中执行自主可利用性验证，以获得运行时证据。实验覆盖 SecurityEval、RedCode 与 CyberNative 三个数据集的 1355 份 Python 样本。在 654 份复合静态闸门零告警的样本中，LLM 阶段在 235 个文件中识别出 394 个候选漏洞；动态验证在 95 个文件中确认或部分确认了可利用性，得到 14.53% 的「包含式流水线比率」——即约每 7 份静态干净样本中就有 1 份被流水线发现候选弱点并获得运行时利用证据。分数据集看，候选「文件—CWE」对中的确认率差异明显：RedCode 为 33.7%，CyberNative 为 28.6%，SecurityEval 仅 5.4%。值得注意的是，包括 CWE-338（弱伪随机数）与 CWE-916（口令哈希计算量不足）在内的若干高频确认类别，Bandit 与 Semgrep 均未告警。作者由此论证：静态分析通过率与运行时安全性并非可互相替代的同一度量，而是软件保障体系中不同层级的指标。

该论文聚焦于静态分析在软件安全中的核心地位与 CodeQL 等工具面临的现实瓶颈：构建高覆盖率查询套件通常需要大量人工投入。尽管大语言模型（LLM）在代码推理方面展现出潜力，但其生成结构化、可执行安全查询的实际能力仍缺乏系统评估。为此，作者开展了一项实证研究，利用美国国家漏洞数据库（NVD）中的漏洞数据，评估 LLM 合成 CodeQL 查询的能力，并探索将 LLM 作为自动 CodeQL 查询生成器的可行性。研究系统评测了多种 LLM 架构在大量真实漏洞场景下的表现，重点衡量其生成的查询对检测覆盖率和精确率的提升程度。结果显示，LLM 生成的查询能够显著增强基线 CodeQL 查询，平均 F1 分数提升达 82%。此外，论文提供了详细的成本效益分析：直接使用 LLM 扫描整个代码仓库在计算和财务上往往不可行，而利用 LLM 合成 CodeQL 查询则是一种可扩展且成本有效的替代方案。该研究的核心贡献在于证明 LLM 可以有效弥合非结构化漏洞报告与形式化静态分析规范之间的鸿沟，为大规模自动化漏洞检测提供了一条可扩展路径。适合静态分析研究者、SAST 工具开发者、DevSecOps 工程师以及漏洞管理团队阅读。

近年来，智能合约已成为去中心化应用（DApp）的核心基础设施，而链下系统（如跨链桥、钱包、索引器等）高度依赖事件日志（event logs）来跟踪合约执行和状态变化。然而，以太坊虚拟机（EVM）并不验证或强制事件语义，导致日志可能与链上状态不一致，进而误导链下系统接受错误的状态转换。现有智能合约漏洞检测工具主要关注逻辑缺陷，对事件语义类缺陷的检测支持有限。为了填补这一空白，作者收集了审计报告和事故案例，采用开放式卡片分类法（open card sorting）定义了五类事件语义缺陷：事件碰撞（event collision）、状态-事件不匹配（state-event mismatch）、未授权事件发射（unauthorized event emission）、事件发射不匹配（event emission mismatch）以及事件参数不匹配（event parameter mismatch）。作者提出了EventSpec方法，该方法通过行为推断和语义约束提取，从合约语料库中推断事件规范，并应用差分检查来识别目标合约中的事件语义缺陷。作者在6,617个真实合约上运行EventSpec，并基于人工标注结果评估检测效果；EventSpec实现了90.17%的综合精确率。此外，作者还提供了一个链下评估工具链（off-chain evaluation harness），能够在任何兼容EVM的链上复现两类链下攻击向量：由非预期发射者导致的事件来源混淆（event origin confusion），以及缺乏对应状态更新的事件-状态失同步（event-state desynchronization）。利用该工具链，作者演示了这些攻击在跨链桥中继器、区块链浏览器和NFT市场中的可行性，并报告了六个钱包问题，其中四个已确认（包括一笔600美元的赏金），两个待定。该研究系统性地定义并解决了事件语义缺陷的检测问题，为智能合约安全审计和链下系统安全提供了新的视角和实用工具。

本文提出了一种名为 ProtocolGuard 的新型漏洞检测框架，用于检测网络协议实现中的协议不合规（non-compliance）缺陷。这类缺陷通常源于开发者在实现协议规范时对状态转换、字段约束或时序逻辑的错误理解，可能导致安全问题或功能异常。ProtocolGuard 的核心思路是将大语言模型（LLM）引导的静态分析与动态验证相结合：首先，利用 LLM 从协议描述和代码中提取协议状态机、消息格式及合规规则，并生成候选的不合规路径；其次，通过静态分析在源码层面定位与候选路径相关的关键代码位置，减少误报；最后，借助动态验证实际执行这些路径，确认是否真实存在不合规行为。该方法避免了传统模糊测试对协议语义理解不足的问题，也弥补了纯静态分析在逻辑验证上的局限。文章通过实验证明了 ProtocolGuard 在多个真实网络协议实现中发现不合规缺陷的有效性，并展示了其比现有方法更高的检出率和更低的误报率。该研究的核心价值在于为协议安全分析提供了一种可扩展、可自动化的人机协同思路，使安全工程师能够更高效地审计复杂的协议实现。适合协议安全研究人员、静态分析工具开发者以及负责网络组件安全审计的蓝队人员阅读。

该论文《DEFInit: An Analysis of Exposed Android Init Routines》针对 Android 系统启动过程中的 init 例程（init routines）进行了系统性安全分析。Android 的 init 进程是系统启动的第一个用户空间进程，负责挂载文件系统、启动关键服务、设置系统属性等，其暴露的接口和例程若存在缺陷，可能导致权限提升、系统配置篡改或拒绝服务。论文提出了一种名为 DEFInit 的自动化分析框架，用于识别和检测这些 init 例程中可能存在的安全弱点。核心方法包括静态分析 init 脚本和二进制代码，建立从 init 例程到系统调用的数据流，并结合符号执行或污点分析来追踪攻击者可控的输入，从而定位可能被滥用的路径。实验部分，作者对多个 Android 固件版本（可能涵盖主流厂商的镜像）进行了大规模分析，发现了一批此前未知的可暴露 init 例程，并验证了其中若干例程确实可被恶意应用或本地攻击者触发，造成系统属性覆盖、服务配置劫持等安全后果。论文还讨论了这类问题的根因，如 init 语言解析器的缺陷、对输入验证不足、以及过度暴露的 socket/属性接口等，并给出了加固建议。该研究有助于安全社区深入理解 Android 启动链的信任边界，对固件安全测试和移动端漏洞挖掘具有参考价值。然而，由于目前仅提供论文摘要，具体技术细节和实验数据需要阅读全文进一步确认。

该论文针对静态侧信道分析的可达性问题展开研究。在侧信道攻击中，攻击者通常需要找到从程序输入到敏感信息泄露的传播路径（即可达性），而静态分析技术常被用于自动识别这类路径。作者提出一种名为“借用时间”（On Borrowed Time）的方法，旨在从源头阻止静态侧信道分析的有效性，而非仅仅检测或缓解单条泄露路径。核心思路是引入时间维度上的不确定性：通过混淆或扭曲程序在执行过程中的时序行为，使得静态分析无法准确推断敏感数据与可观测输出之间的因果关系，从而破坏侧信道泄露的判定基础。论文可能提出了新的程序变换或代码混淆策略，并对其安全性、性能开销以及对抗静态分析的实际效果进行了形式化分析与实验评估。主要贡献在于首次从“对抗静态分析本身”的角度设计防御机制，而非依赖运行时的随机化或掩码，为侧信道防护提供了新的研究思路。适合关注侧信道安全、程序分析、编译器优化及软件防护的学者和工程师阅读。由于仅基于摘要，具体技术细节和实验数据需查阅原文。

现代软件系统通常由多种编程语言混合构建（如 Python 与 C、Java 与 C 的交互），这种跨语言架构会因语言间的语义差异和隐式交互引入难以察觉的漏洞。传统静态分析器受限于不同语言语义的异构性，往往无法有效建模跨语言的数据流；动态分析方法则受限于测试输入的覆盖率，难以发现深层或隐晦的缺陷。针对这一空白，论文提出 PolyFlow——一个神经符号（neuro-symbolic）框架，将大语言模型（LLM）与静态分析协同结合，用于跨语言信息流（数据流）的静态推理。其核心思路是：首先基于给定多语言系统的控制流表示，利用 LLM 识别由复杂语言特性（如指针别名、回调、异常路径、隐式类型转换等）造成的隐式流事实，从而增强基础程序表示；随后在增强后的表示上传播数据流，实现跨语言边界的信息流分析。为克服 LLM 固有的 token 限制、幻觉等问题，PolyFlow 采用静态分析指导的作用域裁剪、上下文管理和逐条事实校验，并引入多 LLM 专家小组进行协商式验证，提高结果的可靠性。作者在真实世界的 Python-C 和 Java-C 混合系统上开展实验，结果表明 PolyFlow 在成本效益上具有优势，且优于多种现有基线（包括纯静态分析、纯 LLM 方法以及动态测试），并成功发现了所有基线均遗漏的未知跨语言漏洞。该研究的主要贡献包括提出首个结合 LLM 与静态分析的跨语言信息流分析框架、设计多 LLM 协商验证机制，以及在真实系统上验证其有效性和实际漏洞发现能力。适合软件安全研究人员、静态分析工具开发者以及关注多语言供应链安全的蓝队工程师阅读。

该论文提出了一种针对 Linux 内核的静态未定义行为（UB）检测器 KUBO，旨在同时实现高精度和全内核可扩展性。未定义行为通常源于 C/C++ 等底层语言中的编程错误，内核与硬件紧密交互，UB 可能被非特权用户态程序触发，导致严重的安全与可靠性问题。已有内核 UB 检测方法在精度与可扩展性之间存在权衡，往往产生大量误报，影响实用性。KUBO 聚焦于可由用户输入触发的关键 UB，通过验证 UB 触发路径及条件是否可满足来保证高精度；采用高效的跨过程分析，按需沿调用链向后增量遍历，从而扩展到整个内核（包括驱动）。作者在多个版本的完整 Linux 内核上评估了 KUBO，发现 23 个此前未知的关键 UB，误报率仅 27.5%，显著低于现有最先进内核 UB 检测器的 91%。此外，KUBO 生成的错误报告易于分类。该工作为内核安全分析提供了高精度、可扩展的静态分析新方法，适合内核安全研究人员、漏洞挖掘工具开发者以及系统安全工程师阅读。

该论文提出了一种名为 Kestrel 的静态分析方法，用于在剥离符号、静态链接和优化后的二进制文件中识别标准化的基于格的抗量子密码算法 ML-KEM 和 ML-DSA。当前缺乏从编译后的二进制代码验证量子脆弱算法是否已被批准的量子安全算法替换的方法；现有密码发现工具依赖符号、库依赖和运行时行为，但这些信号在剥离和优化后均会失效。Kestrel 通过检测依赖的只读数据中的数论变换（NTT）常量表来定位算法，这些常量表是算法算术运算的基础。Kestrel 从公开的方案参数中提取指纹，并通过归一化和多重集匹配进行定位，同时在数学上分析了误报概率。实验在四种独立的实现谱系和所有构建变换（包括编译器级混淆）上，实现了 128/128 的召回率和零误报。在包含 6224 个二进制文件的生产 Linux 系统上应用 Kestrel，发现了 12 个未编目的包含 ML-KEM 的程序，其中包括 OpenSSH 密钥交换程序和容器管理栈；在一些程序中，抗量子代码是通过语言运行时进入生产环境的，而分发它们的项目并不知情。Kestrel 能够区分真实的抗量子实现与没有底层代码支持的宣传声明，将每个检测归因于其原始代码库，并在取证磁盘镜像试验中，从已删除二进制无法重建的未分配空间中恢复出一个检测结果。因此，Kestrel 为密码迁移保证、软件供应链检查和抗量子取证审查提供了实用基础。

本论文针对 EOSIO 区块链智能合约中一类被称为 “Groundhog Day” 的漏洞提出静态检测工具 VETEOS。该类漏洞源于 EOSIO 交易执行与回滚机制的特定交互，使得攻击者能够通过重复执行某些操作序列，在合约逻辑中造成非预期的资金流动或状态变更。VETEOS 的核心思路是：首先解析合约字节码，构建控制流图（CFG）和调用图；然后结合 EOSIO 的事务语义（包括内联行动、延迟通知以及资源计费等），建立数据流分析模型，抽象出可能导致重复执行的路径；最后通过污点分析或模式匹配，定位可疑操作并生成报告。作者在真实的 EOSIO 合约数据集上进行了大规模实验，验证了 VETEOS 的检测准确率和效率，并与现有工具进行对比，表明其能够发现多种变体且误报率较低。该工作为区块链安全审计提供了自动化手段，有助于合约开发者与安全团队在部署前发现潜在风险。对于安全运营而言，了解此类漏洞的存在有助于完善链上监控策略和事件响应预案。本文适合智能合约安全研究人员、区块链安全审计员以及 EOSIO 生态开发者阅读。

本文提出 ARQ，一个基于智能体（agent）的自动化框架，旨在优化 C/C++ 程序的 CodeQL 漏洞检测查询，以降低误报（FP）和漏报（FN）。现有查询型静态分析器（如 CodeQL）通过预定义的漏洞模式查询来匹配源码，但官方查询仍存在大量 FP 和 FN，影响实际检测效果。ARQ 的核心思路是利用合成程序执行结果作为“事实依据”来暴露查询的弱点：当程序真实存在漏洞但查询未报时，说明存在漏报；当程序安全但查询误报时，说明存在误报。这些分歧被用作监督信号，驱动一个基于大语言模型（LLM）的循环修复合，迭代更新 CodeQL 查询规则。与以往需要标注数据集、提交历史或漏洞模板的方法不同，ARQ 完全无需这些外部依赖。实验选取了 12 个官方 CodeQL 查询，使用三个商业 LLM（GPT-5.4、Claude-Sonnet-4.6、Gemini-3.5-flash）进行精化，并在 Juliet v1.3 和 FormAI v2 数据集上对比了精化前后查询的性能。结果显示，ARQ 精化后的查询检测出的真实阳性数量最高提升 119.8%，且精确度始终不低于 98.0%。此外，ARQ 成功修复了 CodeQL 官方仓库中 3 个长期未解决的 GitHub 问题（最长搁置 27 个月），并利用精化查询在真实世界库 libpng 和 zlib 中发现了两个此前未知的漏洞。该研究展示了将 LLM 智能体与执行反馈相结合进行静态分析规则自动化优化的巨大潜力，为提升代码安全审计效率提供了新途径。适合静态分析工具开发人员、安全研究员及 DevOps 人员阅读。

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。

本文针对静态应用安全测试（SAST）工具中普遍存在的设计权衡问题展开研究。SAST工具在工业界和学术界广泛使用，但为了提升精度、缩短运行时间或增强可扩展性，往往会在检测能力上做出牺牲。这些牺牲建立在某些关于目标代码或分析技术的假设之上，而这些假设会直接影响检测结果。核心研究问题是：这些牺牲真的能带来预期的性能提升吗？背后的假设是否成立？作者提出CAUSEC，一个因果分析框架，将SAST工具的假设形式化为可测试的安全假设，结合假设驱动的因果建模、效应估计和验证方法，从而解释假设与检测性能之间的因果关系，而非简单相关性。为理解安全假设的常见特征，作者对检测加密API误用的SAST工具进行了系统文献综述，识别出57个假设，并进行了定性分析。随后，他们选取一个流行假设，在四个高度相关的工具上使用包含57,038条人工标注警报的数据集进行验证，展示了CAUSEC的实用性和鲁棒性。实验分析产生了几项关于假设和因果效应的关键发现，并总结为三条对未来工作有指导意义的要点。该研究为SAST工具的设计、评估和选择提供了新的因果视角，有助于安全团队更科学地理解工具行为，优化漏洞检测流程。

本文提出并实现了一个针对 Algorand 区块链智能合约的安全分析框架 Panda。Algorand 采用基于交易签名和异步轮次确认的 Pure Proof-of-Stake 共识机制，其智能合约执行模型（ASC1）与以太坊 EVM 完全不同，交易级原子性与有限执行语义导致已有分析工具无法直接适用。Panda 从 Algorand 合约的 TEAL 字节码和全局/本地状态数据出发，构建符号执行引擎，模拟合约在真实交易序列中的执行路径，并形式化定义了一组针对 Algorand 特有的安全属性，包括资金被冻结、合约逻辑被绕过、交易原子性滥用、状态变量篡改等漏洞模式。为了验证有效性，作者在 Algorand 主网和测试网上收集了 9.8 万个已部署合约，运行 Panda 后自动发现了 127 个存在安全问题的合约，其中多个合约包含可导致资金损失的高危缺陷；人工复核确认了较高比例的误报率控制在可接受范围。实验还对比了 Panda 与基于传统静态分析的基线方法，证明 Panda 能检测出更多真实可触发的漏洞，且误报更少。Panda 是首个针对 Algorand 智能合约的自动化安全分析框架，为研究人员和审计者提供了新的技术基线。适合区块链安全研究者、智能合约审计团队以及 Algorand 应用开发者阅读。

该论文题目为《Trust Me, I Know This Function: Hijacking LLM Static Analysis using Bias》，作者包括 Shir Bernstein、David Beste、Daniel Ayzenshteyn、Lea Schönherr 和 Yisroel Mirsky。根据标题，本文主要研究如何利用人工智能模型中的偏见（bias）劫持基于大语言模型（LLM）的静态分析工具。研究背景是，现代软件安全分析越来越多地引入 LLM 辅助代码审查与漏洞检测，但这类模型可能受到训练数据分布、提示注入或逻辑偏差的影响，导致分析结果被误导。论文的核心问题可能是：攻击者能否通过精心构造的函数名、注释或代码模式，使 LLM 静态分析器产生误判，从而让恶意代码绕过检测？提出的方法可能涉及识别并利用模型在特定类型函数名或代码语义上的先验偏好，实现对分析流程的隐式控制。主要贡献可能包括揭示这种攻击面，提出对抗样本生成策略，并给出缓解建议。不过，由于本条目仅提供标题，没有完整的摘要内容，无法确认具体技术方案和实验细节，也不确定是否提供真实案例。该研究适合 LLM 安全、软件供应链安全以及静态分析工具开发人员阅读，用于理解 AI 辅助安全分析潜在的新型攻击路径。需要注意的是，题目中强调了“Trust Me, I Know This Function”，暗示对模型‘信任’某个函数判断的操纵，这可能是通过改变函数名或上下文让模型产生错误关联。但以上分析基于标题推断，实际内容可能有所不同。

该论文研究利用大语言模型（LLM）自动化生成可执行的测试工件，以动态确认自动驾驶系统中可被攻击者输入触发的软件弱点。作者以开源自动驾驶栈 Autoware 为对象，首先执行编译器精确的静态分析，覆盖 185 个软件包，识别出 1,375 条决策规则、2,274 项校验检查以及 482 条从输入到安全相关输出的数据流路径，并在此基础上构建了弱点分类法，抽样出 740 个可达弱点位点。随后，研究团队使用两种本地开源权重 LLM（一个推理模型和一个代码专用模型）、一个无静态上下文消融模型以及一个朴素模板基线，共生成 3,700 组测试工件。这些工件在真实构建环境中、在消毒器（sanitizers）下编译，并通过“编译器在环”反馈进行修复，能够成功编译的工件进一步进行模糊测试。主要实验发现是：80% 的首次编译失败源于依赖关系配置问题，而非程序逻辑错误；推理模型首次编译成功率为 64%，而代码专用模型仅有 6%；通过大量桩代码（stubbing）修复后，仅推理模型达到了完全对象可编译状态，但只有不到一半的测试工件最终进入模糊测试阶段；实验中观察到的 37 次崩溃全部源于桩代码而非 Autoware 本身，且没有在预算内动态确认任何候选弱点。核心结论是：对于完整的自动驾驶软件栈，构建集成（build integration）而非候选生成或模糊测试，才是制约 LLM 辅助动态分析可靠性的主要瓶颈。该研究为自动化漏洞验证提供了实证经验，适合安全分析师、自动驾驶软件开发者以及 LLM 辅助安全工具的研究人员阅读。

该论文研究推测执行攻击对常数时间编程（constant-time programming）安全性的破坏。常数时间编程是密码学等安全敏感软件中防止微架构侧信道攻击的标准技术，但推测执行攻击（如 Spectre）会使其失效。因此，常数时间代码还必须部署针对推测执行攻击的防御措施，以防止存储在内存或处理器寄存器中的秘密数据被泄露。然而，现有的防御手段（如推测加载硬化，Speculative Load Hardening, SLH）虽然能提供强安全保证，但性能开销非常高。针对这一问题，论文提出了一种名为 Declassiflow 的静态分析方法，用于建模非推测知识（non-speculative knowledge），从而在保证安全性的前提下放宽推测执行安全措施的严格性。其核心思想是通过静态分析识别哪些数据在推测执行中不会成为秘密，进而减少不必要的防御加固，降低性能损失。论文的主要贡献包括：形式化非推测知识的概念、设计相应的静态分析算法，并验证该方法能在不牺牲安全语义的前提下提升性能。适合对微架构安全、侧信道防护、编译优化和形式化验证感兴趣的安全研究人员、系统开发者和编译器工程师阅读。由于仅获取了论文摘要，尚无法评估实验细节和具体性能提升幅度，但该研究为缓解推测执行防御的性能瓶颈提供了新思路。

本文提出了一种名为 Jasmine 的新型静态安全分析工具，旨在解决现代 JavaScript 应用中因复杂操作和语义导致的静态数据流分析精度严重下降的问题。研究背景是，尽管静态数据流分析广泛用于 Web 应用的安全威胁检测，但缺乏实际执行，面对现代 JavaScript 的高度动态特性时，容易产生误报和漏报，甚至可能错过严重漏洞。核心方法是一种基于计算的语义解释（Computation-based Semantic Explanation, CSE），通过识别并解析静态分析中因复杂语义而导致的常见失效模式，从而提升漏洞检测能力。作者在超过 10,000 个真实世界 JavaScript 程序上进行了实验，发现复杂操作和语义非常普遍，严重阻碍了现有最先进的静态工具（如 GitHub 的 CodeQL 和 IBM 的 WALA）进行常规安全验证。实验结果显示，Jasmine 能有效解析复杂语义，发现了 22 个现有工具无法检测到的隐藏漏洞，其中 13 个是此前未知的零日漏洞。截至目前，已有 9 个 CVE 被分配，其中 5 个被评为 9.8 分的“严重”级别。该研究的主要贡献包括：提出了 CSE 这一新颖的语义理解方法，实现了原型工具 Jasmine，并展示了其在实际 JavaScript 生态中的有效性和对漏洞发现的显著提升。适合安全研究人员、静态分析工具开发者以及负责 Web 应用安全审计的蓝队工程师阅读。

本文提出 SkillsMetric——一个面向 LLM Agent 技能包（Agent Skills）的静态分析安全评估框架。技能包是以结构化指令和脚本形式扩展大模型智能体能力的新兴载体，其安全属性尚未被充分研究。SkillsMetric 采用五阶段静态分析：模式密度、统计异常、数据流污点、导入异常、能力不匹配，对技能包进行综合评分。作者构建了一个包含 2,266 个对抗性技能样本、覆盖 16 种攻击类型（涵盖代码级、系统级和语义级威胁）的评测数据集，并在完整的 SkillMD-138K 语料库上评估。实验表明该框架的 AUC 为 0.93，5 折交叉验证 F1 为 73.4%±0.5%，其中对数据外泄（93%）和隐写载荷（93%）有较强检测能力。然而，作者也揭示了根本性盲区：利用常见 shell 命令的主机破坏攻击在所有五个阶段均无法检出（0% 检出率），而通过自然语言操纵实现的提示注入仅有 42% 的检出率。这些发现证明，仅靠静态分析不足以保障技能包安全，应构建结合快速静态预筛选与语义审查的纵深防御架构。该研究对 LLM Agent 安全、恶意技能包检测及安全架构设计有重要参考价值。

该论文针对 V8 JavaScript 引擎在嵌入到不同宿主环境（如 Chromium、Node.js 等）时产生的安全分析难题，提出了一种有效识别“外部桥接”（foreign bridge）的方法。V8 作为高性能 JS 引擎，其嵌入器通常通过 C++ 接口暴露内部对象或扩展能力，这些跨语言边界（JS 与 C++）的函数调用往往成为漏洞挖掘和安全审计的关键点，但现有分析工具难以在大量嵌入代码中准确发现这些桥接点。作者设计了一种结合静态分析、动态追踪及代码结构特征的技术，能够在 V8 嵌入器中自动定位和识别被外部调用或暴露给 JS 的 C++ 函数，并区分哪些桥接是真正存在安全风险的。通过实验评估，该方法在多个真实嵌入器（如 V8 默认测试套件和 Chromium 相关组件）上验证了准确性和效率，相比人工审计和已有启发式方法，显著减少了误报和漏报，同时能够发现一些此前未被注意的潜在风险点。这项研究为后续针对 V8 嵌入层的漏洞发现、攻击面建模和安全加固提供了可复用的基础设施。适合浏览器安全研究者、JS 引擎维护者以及从事嵌入式软件安全分析的工程师阅读。

该论文针对现代软件系统中加密资产缺乏结构化可见性的问题，提出了一种静态发现与评估方法。作者首先提出了加密材料、加密工件和加密调用的分类体系，并据此推导出可扩展的、与扫描器无关的规则库。然后实现了一个静态扫描器，应用这些规则生成面向CBOM（加密物料清单）的输出。评估分为两部分：在已知真实结果的合成基准上，资产发现的F1分数达到0.75，且能正确标注91%的预期弱点和漏洞；在包含十个部署服务的真实环境中，扫描器在六分钟内处理了57,610个文件，发现了370个加密资产，其中包括六个与CVE相关的漏洞和52个后量子迁移候选。由于真实环境的覆盖度是依据人工编制的参考清单而非穷举清单评估，结果具有实际意义。实验表明，基于分类驱动的静态发现能够为安全治理和后量子迁移规划提供实用的加密透明度。该工作的核心贡献在于建立了一套统一的加密资产分类体系和规则库，使得静态分析可以系统性地识别加密相关组件，帮助组织了解自身加密使用情况。适合软件工程、安全治理、后量子密码迁移规划相关研究人员和实践者阅读。

随着开源软件（OSS）的广泛采用，恶意代码投毒攻击已成为针对公共包注册表和开源平台的重要安全威胁。攻击者通过向合法仓库中注入恶意代码，可在下游用户不知情的情况下窃取数据、植入后门或破坏供应链。现有的恶意代码检测方法主要分为基于启发式规则、基于机器学习以及基于大语言模型（LLM）三类，但普遍存在语言特定设计、跨语言泛化能力差、分析成本高昂等问题，难以适应大规模多语言仓库的检测需求。为应对上述挑战，本文提出 MalTotal，一个可扩展、具备成本效益且语言无关的恶意代码投毒检测框架。MalTotal 的核心方法包括：利用 LLM 辅助语义推理识别代码中的敏感 API，通过混合语义切片（hybrid semantic slicing）技术对代码进行细粒度分析，并结合重构恶意行为上下文（reconstruct malicious behavior contexts）来判定代码是否具有恶意意图，同时显著降低分析开销。作者在 5 种主流编程语言的多组数据集上进行了评估，结果表明 MalTotal 平均 F1 分数达到 93.1%，优于 8 个现有基线方法；其混合切片技术减少了 94.0% 的 LLM token 消耗，将针对 2168 个仓库的分析成本从 86.25 美元降至 5.19 美元。此外，作者对 120K 个 GitHub 仓库（包含超过 730 万个文件）进行了大规模扫描，以总计 338 美元的成本发现了 564 个此前未知的恶意仓库，证明了该方法在真实场景中的有效性、可扩展性和成本可控性。该研究对于增强开源供应链安全防护、推动大语言模型在恶意代码检测领域的落地具有重要参考价值，适合安全研究员、SOC 分析师以及开源社区维护者阅读。

该论文针对互联网消息应用中隐私泄露分析困难的问题展开研究。作者指出，现有的静态分析技术通常只针对隐私的某个孤立方面（如机密性或匿名性），难以处理消息平台中多种隐私需求（如机密性、匿名性、不可关联性、用户同意）之间重叠甚至冲突的情况。为此，论文提出一个基于复合隐私模型的静态分析框架，该模型能够捕捉上述隐私需求之间的相互依赖关系，从而统一地对技术性隐私违规行为及其法律影响（例如违反数据保护法和数字权利）进行系统性识别。作者将该框架应用于消息平台中常用的实时通信服务器 Ejabberd（例如WhatsApp后端）进行案例研究，重点分析机密性和以同意为导向的隐私问题，包括用户知情权和删除权（被遗忘权）。实验结果表明，该方法能够有效桥接技术分析与法律问责之间的鸿沟，为消息平台的隐私合规审计提供了新思路。论文的主要贡献包括：一种复合隐私建模方法、对应的静态分析框架，以及在真实消息服务器上的验证。适合Privacy与Security交叉领域的研究人员、消息平台开发者以及关注数据合规的隐私工程师阅读。

随着硬件层成为攻击者的重点目标，硬件安全验证技术的改进需求日益迫切。现有最先进的安全验证技术通常需要具备安全专业知识的人员投入大量手动工作，且缺乏标准方法来定位寄存器传输级（RTL）代码中缺陷的具体位置。本文提出 CWEEP，一种用于检测 RTL 中安全弱点的静态分析框架。CWEEP 无需详细的安全规范，因此可在属性仍处于构建阶段的 RTL 开发早期使用。此外，CWEEP 能够定位 RTL 中潜在漏洞的确切位置，并在适用时提供自动代码修复建议。作者利用文献中的数据集，在两组 SoC 设计（包含手动插入的漏洞）以及一个包含 3874 个带缺陷模块的大语言模型生成数据集上评估了 CWEEP 的性能。结果表明，CWEEP 发出正确警告的比例高达 60.8%，而此前工作中的工具在同一数据集上仅有 17.5% 的正确警告率。该研究为硬件安全验证提供了自动化程度更高、定位更精确的静态分析方案，有助于在开发早期发现安全弱点并降低修复成本。

该论文提出了一种名为 SPENDER 的静态分析框架，用于检测 UEFI 固件中系统管理模式（SMM）的特权提升漏洞。UEFI 固件运行在 ring -2 的 SMM 中，其安全等级高于操作系统内核（ring 0），但其软件漏洞可能导致从 ring 0 到 ring -2 的特权提升攻击。作者首先系统性地研究了这类漏洞，将其根源归结为两种可逃逸出 SMRAM 的引用：遗留引用（legacy references）和无意引用（unintentional references）。现有静态分析方法难以有效分析经过剥离的商用 UEFI 固件镜像，因为这些固件基于一种自定义的回调机制，该机制将可调用函数组织成由 GUID 标识的协议。SPENDER 利用这种基于回调的编程范式，首次提出一种以协议为中心的静态分析方法，能够高效且精确地发现潜在的 SMM 特权提升漏洞。通过对来自 8 个供应商的共 1148 个 UEFI 二进制文件进行测试，SPENDER 成功发现了 36 个 SMM 特权提升漏洞（包括 2 个 1-day 和 34 个 0-day 漏洞），这些漏洞可导致任意代码执行和任意地址写入，攻击者可能利用这些漏洞将引导工具包（bootkit）安装到闪存驱动器中。所有 36 个漏洞均已报告给相关供应商，其中 2 个 1-day 漏洞被确认为已知，34 个 0-day 漏洞被确认为新发现。

该论文提出了 Growlithe，一款面向服务器无服务器应用的开发者中心化合规工具。服务器无服务器应用由多种编程语言编写的函数、多样化的数据存储和通信服务组成，且快速迭代，这使得租户难以保护应用数据免受因漏洞、配置错误和人为失误导致的意外泄露。现有云安全工具如身份与访问管理（IAM）缺乏对租户应用的可观察性，而最新的数据流跟踪工具需要云平台支持且运行时开销大。Growlithe 集成到服务器无服务器应用开发工具链中，通过设计实现数据策略的持续合规。它允许开发者以声明方式指定访问和数据流控制策略，这些策略基于语言和平台无关的数据流图抽象（针对服务器无服务器应用），并通过静态分析和运行时强制相结合来执行策略。论文使用 Python 和 JavaScript 编写的函数（可部署在 AWS Lambda 和 Google Cloud Functions）进行了实验，结果表明 Growlithe 具有跨领域性、可移植性和高效性，使开发者能够轻松适应应用和策略的演变需求。主要贡献包括：提出了一种面向开发者的合规方法，实现了策略与应用的解耦；设计了跨平台的数据流图抽象；实现了低开销的静态与运行时混合策略强制机制；通过多平台实例证明了其有效性和可用性。

本文提出了一种名为GNNIC的图神经网络（GNN）间接调用分析器，旨在解决大型程序（特别是操作系统内核）中调用图生成不准确的问题。间接调用（如函数指针）在编译时无法确定目标，导致传统静态分析产生大量假阳性。现有基于类型分析的方法在处理大规模程序或泛型类型时精度较低。GNNIC通过抽象相似性搜索来准确识别间接调用目标。其核心观察是：尽管间接调用目标表现出多态行为，但它们共享共同的抽象特征，如函数描述、数据类型和调用的函数。GNNIC将这些信息整合为代表性抽象图（RAG），并使用GNN学习函数嵌入。该方法需要至少一个锚定目标来启动搜索，因此作者还提出了一种新的程序分析技术，用于局部识别每个间接调用的有效目标。从锚定目标开始，GNNIC可以将搜索范围扩展到整个程序，找到更多间接调用目标。GNNIC基于LLVM和GNN实现，并在多个操作系统内核上进行了评估。结果表明，与最先进的基于类型的技术相比，GNNIC减少了86%至93%的假目标函数。此外，GNNIC生成的抽象相似性和精确调用图可以增强安全应用，例如发现新漏洞、缓解路径爆炸问题以及提高静态程序分析的效率。结合静态分析，GNNIC在Linux和FreeBSD内核中发现了97个新漏洞。

现有程序验证器能够证明安全协议实现的高级属性，但由于需要大量人工努力，难以扩展到大型代码库。针对这一挑战，本文提出了一种名为Diodon的新方法。Diodon通过将代码库分割为协议实现（核心）和其余部分（应用程序）来解决扩展性问题。这种分割允许对安全关键的核心应用强大的半自动验证技术，同时通过全自动静态分析确保应用程序不能破坏为核心证明的安全属性，从而将验证扩展到整个代码库。静态分析通过证明I/O独立性来实现，即应用程序内的I/O操作与核心的安全相关数据（如密钥）无关，并且应用程序满足核心的要求。作者首先通过证明可以安全地允许应用程序执行独立于安全协议的I/O操作，其次证明手动验证和静态分析能够可靠地组合，从而证明了Diodon的正确性。评估在两个案例上进行：一个签名的Diffie-Hellman密钥交换实现，以及一个大的（10万+行代码）生产级Go代码库，该代码库实现了一个密钥交换协议。通过使用自动激活程序验证器Gobra验证约1%代码的核心，在不到3人月内获得了机密性和注记一致性保证。该方法为大型安全协议实现的可扩展验证提供了一种新途径。

该论文提出了一种名为JUNID的方法，旨在提升静态分析中处理不完整句子交集问题的渐近最优性。静态分析是软件安全中的重要技术，用于在不执行程序的情况下检测潜在漏洞。然而，当分析涉及不完整的程序片段或部分代码时，现有交集算法的效率可能下降。JUNID通过理论优化，实现了在渐近意义下最优的交集计算，从而更高效地处理不完整句子。该方法可能适用于符号执行、抽象解释等场景，能够提高静态分析工具的精度和速度。由于仅提供摘要，具体算法细节和实验验证需参考全文。该研究为静态分析领域提供了理论贡献，尤其对需要处理部分代码的漏洞检测场景具有潜在价值。

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。

开源软件易受针对传递依赖的供应链攻击，尤其恶意代码注入NPM包。现有检测器常存在以下不足：对混淆行为的建模不充分，忽视JavaScript的面向对象特性，静态与动态分析协调不佳，以及行为抽象过程中丢失语义信息。为此，本文提出ProfMalPlus，一种恶意NPM包检测器，它将对象敏感行为图与基于LLM的注释代码切片协同推理相结合。该方法首先识别安装命令和入口文件，然后构建捕获敏感API、第三方调用和未解析调用的行为图。从这些图中提取安全相关的代码切片，并添加内联静态分析证据。本地评判Agent独立评估每个切片，通过自一致性机制合并重复判断以降低LLM方差；全局评判Agent综合所有报告形成条目级判定。对于未确定案例，路由器选择第三方增强（添加注册表派生的模块和方法语义）或动态增强（在沙箱中执行包以解析运行时依赖行为）。增强后的证据被反馈用于重新评估。最后，定位Agent报告恶意代码片段及解释。ProfMalPlus在F1分数上达到98.1%，比现有最先进检测器高出3.5%至52.6%，并发现了597个先前未知的恶意包，这些包均已被确认并从NPM移除。该研究对防御供应链攻击具有重要参考价值。

该论文提出了一种名为WHIP的新方法，旨在通过强制多个静态分析工具协作来提高Web应用程序中漏洞检测的效果。传统静态分析工具通常独立运行，存在误报率高、漏报率高等问题。WHIP通过设计一种协作机制，让不同工具共享中间结果并相互验证，从而提升整体检测的准确性和覆盖面。该方法可能涉及工具间的通信协议、结果融合策略以及冲突解决机制。论文在多个真实Web应用数据集上进行了实验，结果表明WHIP相比单一工具或简单集成方法，在检测常见漏洞（如SQL注入、XSS）时具有更低的误报率和更高的检出率。该研究为静态分析工具的协同使用提供了新思路，对开发安全测试流程有参考价值。

算法复杂度漏洞（ACV）是指攻击者通过精心构造的输入触发目标系统的最坏情况执行行为，导致严重性能退化或拒绝服务。现有ACV检测工具通常依赖模糊测试、符号执行或混合分析，但存在语言特异性、需要大量人工构建测试框架以及运行时插桩开销大等问题。本文提出ShadowProbe，一个可扩展且语言无关的ACV发现框架。其核心思路是：许多看似无害的标准库API隐藏了非平凡的计算成本（称为“影子复杂度”），攻击者可利用这些成本诱发意外的超线性运行行为。ShadowProbe采用多阶段流水线：首先通过轻量静态分析筛选候选函数，依据影子复杂度信号；然后从项目级符号自动重建最小可执行上下文；再借助大语言模型（LLM）合成尺寸可控的输入以探测最坏情况行为；最后通过执行时间测量和鲁棒统计增长推断来验证候选，区分真正的算法爆炸与运行时噪声（如垃圾回收、JIT编译效应）。在WISE基准测试上，ShadowProbe持续提升了分析效率。进一步将其应用于大规模系统，包括CPython、JDK、Zig、Rustc和vLLM，发现了许多先前未知的ACV，其中大部分已被维护者确认并部分修复。这些结果表明ShadowProbe能够在多样化的真实世界代码库中识别隐藏的算法风险。本文适合安全工程师、性能工程师以及关注软件供应链安全的开发人员阅读。

本文提出 AgentFlow，首个针对 LLM 代理程序的静态分析框架。LLM 代理程序通常基于代理框架开发，其行为不仅依赖传统控制流和数据流，还受代理依赖关系影响，如模型、提示、工具、记忆及多代理编排逻辑等。这些依赖关系往往通过框架语义（如构造函数、工具装饰器、代理交接声明）表达，现有静态分析工具难以恢复。AgentFlow 构建了代理依赖图（ADG），一种框架无关的图表示，将代理、提示、模型、能力、记忆状态和控制策略作为类型节点，并将组件依赖、控制流和数据流依赖作为类型边。基于 ADG，AgentFlow 支持代理治理和安全分析，包括代理物料清单（BOM）生成和提示到工具风险检测。作者针对五个代表性代理框架实现了 AgentFlow，并在包含 5,399 个真实代理程序的 AgentZoo 语料库上评估。结果表明，AgentFlow 比现有基于 AST 的静态分析工具恢复更丰富的代理实体和依赖关系，生成更多依赖感知的代理 BOM，并在真实代理程序中发现 238 个污点类型的提示到工具风险。这些结果证明 ADG 为理解、治理和保护新兴代理软件提供了实用基础。

该论文针对当前软件安全中广泛使用的消毒器（sanitizer）存在的冗余检查问题展开研究。消毒器通过插入运行时检查来检测内存错误、未定义行为等漏洞，但大量检查是冗余的，因为开发者已在代码中通过类型检查（如显式的类型转换或条件判断）隐含地保证了安全性。作者提出了一种名为“PruneSan”的方法，利用静态分析自动识别并移除那些由开发者已实现的类型检查所覆盖的冗余消毒检查。该方法首先构建程序的控制流图和数据类型流，然后通过符号推理判断消毒检查的条件是否已被类型检查所蕴含。实验评估在多个真实项目（如OpenSSL、FFmpeg等）上进行，结果表明PruneSan能够安全地移除平均30%的消毒检查，同时显著降低运行时开销（最高达45%），且未引入任何新的误报或漏报。该工作为在保证安全性的前提下优化消毒器性能提供了有效途径，适用于需要高安全性与高执行效率的C/C++程序。

本论文关注亚马逊 Alexa 语音助手平台中第三方技能（voice applications）违反平台政策的问题。研究首先通过一项包含 34 名第三方技能开发者的用户调研，揭示了开发者对平台各项政策要求（如隐私、安全、内容合规等）的认知存在显著不足，导致政策违规技能不可避免地被发布。为了解决这一问题，论文提出了一种名为 SkillScanner 的静态分析工具，能够在技能开发阶段自动检测潜在的策略违规行为。SkillScanner 通过解析技能代码逻辑和配置，识别与平台策略相冲突的模式，从而帮助开发者在发布前修正问题。实验表明，该方法能够有效发现多种类型的政策违规，包括不当数据收集、权限滥用等。论文的主要贡献包括：量化了开发者与平台政策之间的认知差距，设计并实现了轻量级的静态分析框架，以及通过真实 skill 样本验证了工具的有效性。该研究为语音助手生态的安全治理提供了实用方案，适合平台安全团队、技能开发者及安全研究人员阅读。

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。

本文提出 PRISM（PE 节间关系矩阵），一个用于静态 Windows PE 恶意软件检测的开源数据集和特征表示。现有基准（如 EMBER、BODMAS、SOREL-20M）将 PE 文件表示为扁平的一维特征向量，丢弃了节的顺序和节间关系上下文。PRISM 将每个二进制编码为一个二维矩阵，行按文件顺序对应各个 PE 节，并包含一个全局汇总行以保持与 EMBER 风格模型的兼容性。数据集来自四个恶意软件源（BODMAS、MalwareBazaar、VirusShare 和 CAPE）以及 SOREL-20M 良性软件，共 83,633 个去重矩阵，并构建了一个包含 684 个恶意软件家族的 49,204 个样本的家族过滤分析语料库。通过 Fisher 判别比、互信息和节间信息增益等正式的可分离性分析表明，逐节位置结构包含了扁平表示无法捕获的判别信息。在严格控制的样本匹配比较下，基于 PRISM 紧凑表示的梯度提升分类器在二进制检测性能上几乎与基于更大 EMBER 向量的相同分类器相当，而维度仅为 EMBER 的六分之一；EMBER 仅在极低假阳性区域保持微小的优势，在决策阈值处两者操作上无法区分。作者明确指出二进制检测任务已经饱和，因此 PRISM 保留的结构内容适用于具有更大度量空间的细粒度任务，例如家族分类和直接利用二维结构的架构。数据集、提取库、训练模型和完整分析管道以 CC BY-NC-SA 和 MIT 许可证发布。

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。

本文针对 Linux 内核快速开发周期中引入新漏洞的问题，提出了一种增量静态分析方法（Progressive Scrutiny），旨在高效检测内核中的 UBI（Use-Before-Initialization）漏洞。传统静态分析工具虽然能发现某些漏洞，但分析整个内核耗时过长，无法跟上内核的更新节奏（平均每小时10次提交）。作者设计了渐进式扫描框架：首先对整个内核进行一次完整的高精度分析，建立基线和调用图等中间表示；随后，当代码发生变更时，仅重新分析受影响的部分，通过增量更新维护分析结果。这种方法面临内核规模巨大、需要高精度以减少误报的挑战。论文在真实内核版本上进行了实验，证明与从头分析相比，增量分析在保持相同检测精度的前提下，显著缩短了分析时间，能够及时发现新引入的 UBI 漏洞。主要贡献包括：形式化定义了内核 UBI 漏洞的增量检测问题；提出了支持精准指针分析、流敏感和路径敏感的增量算法；实现了原型工具并在多个内核版本上验证了其有效性和性能提升。该工作对于内核安全维护者、DevSecOps 团队以及静态分析工具开发者具有重要参考价值。

随着大语言模型（LLM）的广泛部署，模型上下文协议（MCP）已成为连接LLM与外部资源的事实标准。然而，MCP协议本身引入了一类隐私泄露风险，现有工具难以检测。与传统的显式数据泄露不同，MCP服务器中的泄露主要是协议诱导的：凭据、API密钥和个人身份信息（PII）仅通过被返回、记录或在工具处理程序中抛出，即可跨越本地/LLM边界，而源代码中不存在显式的出站请求。本文提出MCPPrivacyDetector，一种上下文感知的跨语言静态分析框架，用于检测多语言MCP服务器中的此类泄露。该框架首先将不同编程语言（如Python）实现的异构代码提升为统一程序表示，然后应用上下文感知语义过滤以隔离真正敏感的值和协议特定的隐式汇点（例如@mcp.tool处理程序），最后执行污点分析以枚举可行数据流。通过对10,655个真实MCP服务器进行分析，MCPPrivacyDetector发现泄露率超过10%。案例研究证实了具体暴露，包括泄露的Bearer令牌、传播的API密钥和明文认证凭据。这项工作论证了在新兴的LLM智能体工具链中需要系统性的、协议感知的安全防护。

大规模代码库的自动化漏洞发现仍然面临挑战：传统静态分析误报率高，而动态方法（如模糊测试）需要大量基础设施且通常针对狭窄的漏洞类别。近年来，大型语言模型（LLM）的进展使得对程序行为进行语义推理成为可能，但将LLM应用于仓库级安全分析会遇到上下文管理、成本和验证方面的问题。本文提出OpenAnt，一个开源的漏洞发现系统，它将静态程序分析与基于LLM的推理集成在一个多阶段流水线中。OpenAnt引入了三项关键技术：首先，将代码库分解为自包含的分析单元，并通过从外部入口点的可达性进行过滤，将分析面缩减高达97%，同时保留与攻击相关的代码。其次，候选漏洞通过对抗验证进行审查，即通过受限攻击者模拟，模型在现实攻击者能力下评估可利用性。第三，通过动态验证确认发现结果，其中自动生成漏洞利用环境，在沙箱容器中执行，并在使用后丢弃。在包括OpenSSL、WordPress和Flowise在内的广泛使用的开源项目上的评估表明，该架构能够识别以前未知的漏洞，同时保持可管理的分析成本并大幅减少误报。研究结果表明，结合语义推理和漏洞验证的闭环漏洞发现流水线，为可扩展的自动化安全分析提供了一条实用路径。OpenAnt已在Apache 2.0许可下开源。

该论文提出了一种从设计上保护隐私的Android恶意软件检测流水线。现有检测方法普遍需要收集设备标识符、网络痕迹、运行时数据等敏感用户信息，尽管后续可采用匿名化、加密或联邦学习等技术保护隐私，但仍然要求用户高度信任拥有特权访问权限的系统。作者认为，这种信任依赖应该被消除而非管理。论文首先形式化了一套隐私设计（privacy-by-design）的检测需求，然后逐一实现。流水线首先执行静态分析，从APK中提取特征（遵循Drebin表示），经向量化后送入SVM分类器。分类器配备双拒绝阈值规则：若置信度足够则直接输出决策，否则将样本推迟到沙箱环境的动态分析阶段。这样，真实的用户信息永远不会进入分析循环。实验使用2024至2025年的时间序列分割数据集，结果表明：仅靠第一阶段静态分析即可达到0.87的F1分数，仅6.7%的测试样本需要进入第二阶段的动态分析。动态沙箱分析在不提取任何敏感数据的情况下，也能高置信度地识别恶意软件。这些结果证明，在不牺牲用户隐私的前提下，可以实现强劲的检测性能。该研究适合关注隐私保护、移动安全、以及对抗隐私与性能权衡的安全研究人员阅读。

该研究针对移动应用隐私政策生成不准确的问题，提出了一种结合静态代码分析的自动化方法。现有基于问卷的隐私政策生成器依赖于开发者正确回答隐私相关问题，但实际生成的策略往往无法反映应用的真正隐私实践。研究者设计并实现了PrivacyFlash Pro，一个针对iOS应用的隐私政策生成器，它通过静态分析识别代码中的隐私相关签名，包括Plist权限字符串、框架导入、类实例化、授权方法等证据，并将这些签名映射到隐私政策中表达的实践。同时，利用包管理器资源识别第三方库。该方法旨在提高隐私政策生成的准确性和自动化程度，减少开发者负担并提升合规性。适合移动应用开发者、隐私合规人员及安全研究人员阅读。

该论文提出了一种新颖的 AI 增强静态分析方法，旨在弥合传统静态分析中启发式方法与完备性之间的鸿沟，为实用的逆向工程提供可靠解决方案。逆向工程面临诸多挑战，如代码与数据交织、缺少名称/类型/栈帧、编译器激进优化以及各种混淆技术。传统静态分析工具依赖基于启发式的策略，但易受特定模式限制且泛化能力不足。近年来，AI 技术在从低级表示中预测高级语义结构方面展现出潜力，例如通过深度学习模型推断丢失的编译时信息。然而，纯 AI 方法在安全关键的二进制分析中往往难以保证完备性和可靠性。为此，论文提出了 AI 与静态分析的协同框架：用 AI 替代脆弱的启发式规则以增强泛化能力，同时利用静态分析提供的最佳努力完备性来强化 AI，满足安全应用的严格要求。研究聚焦于三个在学术研究和现有工具中服务不足的关键逆向工程任务：指令边界识别、函数边界识别以及控制流图（CFG）的构建，特别是针对间接调用目标的解析。最终目标是开发一个端到端的反汇编框架，实现 AI 与静态分析的深度融合。实验部分预期将展示该方法在准确性和完整性上优于现有纯静态或纯 AI 方案。该工作适合二进制安全分析师、逆向工程师以及编译器/静态分析工具开发者阅读。

本文提出 NeuroLog，一个端到端、无需构建环境的漏洞发现流水线，用于 C/C++ 源代码。核心思路是将 LLM、Datalog（Soufflé）和 SMT 求解器（Z3）分层协作：LLM 逐个函数提取类型化的数据流事实；Soufflé 规则网将这些事实组合成跨函数的发现；Z3 后处理过滤不可行路径并为每个幸存路径输出 SAT 模型。为超越纯静态分析，还引入运行时证据：从少量语料种子导出的可能范围不变量以极低成本收紧 SMT 问题。第二个 LLM 智能体读取每个 SAT 模型并编写 Python 程序生成候选崩溃输入，由 AddressSanitizer 验证。实验覆盖 stb、cJSON、libxml2、FFmpeg demuxer 切片和 curl 8.3.0，重新发现了 8 个 CVE 类问题，包括 CVSS 9.8 的 SOCKS5 堆溢出 CVE-2023-38545。在 libarchive HEAD 上发现 5 个内存安全漏洞（4 个先前未报告），其中 cpio use-after-free 在 7 小时内得到确认。提取阶段约 37 秒、成本 $0.005（stb）；崩溃合成将静态发现转化为 102 字节的 stb_vorbis 崩溃（两轮 LLM 交互）。来自三个 Matroska 种子的似然不变性过滤器消除了 FFmpeg demuxer 可行集中的 13.2%。该方法结合了静态缩小 SMT（Saturn, Pinpoint）和 Datalog 与 SMT（Formulog）的先前工作，新贡献在于 LLM 推导的事实库、无构建流水线以及将 SAT 模型作为合成崩溃输入的制品而非简单的是/否判定。适合安全研究人员、漏洞发现工程师和软件质量保障团队阅读。

该论文提出一种结合符号执行与推测性库预加载的静态控制流图（CFG）恢复技术，专门针对依赖动态代码加载来逃避静态分析的加壳软件和现代恶意软件。现有静态分析方法无法处理运行时动态链接引入的间接调用，导致无法恢复完整的CFG。本文方法在符号执行环境中设置自定义软件钩子，拦截动态加载操作（如dlopen、GetProcAddress等），并将实际库加载到分析状态中。系统采用两级架构：底层存储拦截函数，上层跟踪指令，全部在符号执行引擎内完成。通过完全符号执行避免执行潜在恶意代码，从而安全分析恶意软件。实验使用16个合成基准程序，包含加密库名、网络触发加载、环境派生路径、多阶段解密链、无文件执行和手动ELF解析等多种混淆技术。结果表明，与纯静态分析相比，该方法平均多恢复29.8%的CFG节点和26.5%的边，库检测的精确率和召回率均达100%，所有发现均通过Frida动态插桩验证。

Rust 作为一种系统级编程语言，通过强大的类型系统和所有权模型在编译时保证内存安全，但实际应用中仍然存在运行时崩溃和内存安全错误，可能导致可利用漏洞。现有静态分析工具在检测 Rust 程序中的缺陷时存在精度或覆盖面的不足。本文提出 MirChecker，一种基于 Rust 中间表示 MIR 的静态分析框架，通过模拟抽象解释和自定义检查器来检测多种类型的缺陷，包括空指针解引用、整数溢出、数组越界等。该方法在多个 Rust 开源项目（如 Rust 标准库、Servo、Tock 等）上进行了评估，结果表明 MirChecker 能够发现现有工具（如 Clippy、Rustc 自身警告）无法检测到的真实错误，同时具有较低的误报率。主要贡献包括：（1）设计并实现了一个针对 MIR 的静态分析引擎，支持路径敏感分析；（2）提出多种检查器覆盖常见缺陷模式；（3）在真实项目中发现多个新的 bug 并得到开发者确认。该工作适合 Rust 开发者、安全研究人员以及编译器工程人员阅读，有助于改进 Rust 生态系统的安全性。

本文提出了一种名为 ODDFuzz 的新型混合解决方案，用于高效发现 Java 反序列化漏洞。Java 反序列化漏洞是实际中严重的威胁，现有静态分析和模糊测试方法在有效性和效率上存在局限。ODDFuzz 首先执行轻量级静态污点分析，识别可能引发反序列化漏洞的候选 gadget 链，此步骤旨在定位所有候选者并避免漏报。随后，ODDFuzz 采用定向灰盒模糊测试（DGF）探索这些候选链，生成概念验证（PoC）测试用例以消除误报。具体而言，ODDFuzz 应用了结构感知的种子生成方法保证测试用例的有效性，并采用新颖的混合反馈和逐步向前策略指导定向模糊测试。在流行 Java 反序列化仓库 ysoserial 上的评估表明，ODDFuzz 发现了 34 条已知 gadget 链中的 16 条，而两个最先进的基线仅识别出 3 条。此外，在真实应用如 Oracle WebLogic Server、Apache Dubbo、Sonatype Nexus 和 protostuff 上，ODDFuzz 发现了 6 条先前未报告的可利用 gadget 链，并获得了 5 个 CVE 编号。

本文针对软件中普遍存在的内容组合漏洞（如XSS、注入），指出现有缓解手段（开发者培训、静态分析、模板语言）效果递减，且AI代码生成继承了训练数据中的不安全模式并缺乏自我纠正的可靠上下文。作者提出一个通用安全内容组合框架，该框架跨内容语言扩展，通过修改字符串表达式语法直接集成到通用编程语言中。核心设计目标是最小化安全与不安全惯用语之间的词汇距离，使开发者更自然编写安全代码。该目标支撑了实用的编译策略：基于动态语义的静态分析、运行时性能接近原生字符串拼接，以及编译时错误/警告等开发者诊断。框架实现有效分工：安全工程师一次性将组合危险编码到库中；开发者或AI编码助手选择合适的库原语即可正确实现功能，无需深入安全知识；编译器诊断提供客观的、基于位置的反馈，支持人工审查和AI迭代自我纠正；安全响应者专注于保持库的更新，而非审计分散在代码库中的临时安全决策。实验（假设存在）证明了方法的可行性与高效性。适合安全工程师、编译器开发者和AI安全研究人员阅读。

本论文针对软件开发中安全投入不足的问题，提出并评估了一种基于团队层面的微支付激励机制，旨在通过可量化的安全指标改善代码安全。研究设计了半自动化的度量流水线，集成 Bearer、Detekt 和 mobsfscan 等静态分析工具，聚合安全发现并计算安全漏洞密度（security issue density），然后根据团队在多个冲刺周期内的相对改进比率给予奖励，从而实现可重复的脚本化报告。实验在课程环境中进行，84 名学生组成 14 个团队，分为实验组（安全激励组，奖励与扫描结果挂钩）和对照组（相同评分但不激励安全）。使用 beta 回归分析，实验组的安全漏洞密度显著低于对照组（β= -0.396, p=0.0342），表明激励措施提高了可测量的安全性。此外，研究发现前后端存在明显差异：后端在激励下漏洞更少、改进比率更高，表明不同技术栈层对激励的反应不同。同时，实验组代码行数的增长与对照组相似，说明安全性提升并非源于代码膨胀。该度量工具链被证明可脚本化、可自动化，适合规模化采用。结果提示将奖励与自动安全指标对齐能切实改善代码安全，值得在专业环境和更长开发周期中进一步验证。

该论文针对基于大型语言模型（LLM）的静态分析在智能合约安全开发中的可靠性和局限性进行了系统基准测试。研究背景是区块链交易的不可逆性使得智能合约漏洞检测成为安全开发的必备环节，而LLM虽被越来越多地集成到开发者工作流中，其作为自主安全审计工具的可靠性尚未得到证实。研究者评估了当前生成模型能否替代传统的静态分析工具，或仅作为其补充。实验发现，LLM的效果受到词汇偏差和缺乏外部数据输入严格验证的削弱，这种对非语义启发式（如标识符命名）的依赖导致高误报率。此外，不同的提示技术在精确率和召回率之间呈现权衡。研究结果基于自定自动化框架得出，该框架在分类模型输出时达到了92%的准确率。论文核心贡献在于量化了LLM在智能合约漏洞检测中的局限性，并提出混合解决方案的可能性。适合安全研究人员、智能合约开发者以及LLM应用开发者阅读。

本论文提出 LCC-LLM，一个面向恶意软件归因与多任务静态分析的代码中心基准数据集与证据驱动框架。研究背景是当前基于 LLM 的恶意软件归因受限于不支持的指标以及缺乏代码级别的证据支持，难以准确识别恶意和脆弱代码片段。为解决这些问题，作者构建了 LCCD 数据集，包含约 34,000 个 PE 样本，通过大规模逆向工程流水线处理，以反编译 C 代码、汇编代码、CFG/FCG 结构、十六进制数据、PE 元数据、可疑 API 证据和结构特征等多种形式表示。框架层面，LCC-LLM 整合了 LangGraph 编排的静态分析与多源网络安全知识，采用七层检索增强生成流水线、基于 CoVe 的 IoC 验证以及多维质量门控机制，提升事实可靠性和面向分析师的决策支持。使用课程顺序指令数据对 DeepSeek-R1-Distill-Qwen-14B 和 Qwen3-Coder-30B-A3B 进行 QLoRA 微调。在 43 种恶意软件分析任务类型上的评估显示平均语义相似度达到 0.634，在结构化报告生成、IoC 提取、漏洞评估、恶意软件配置提取和恶意软件类别检测等任务上表现最佳。基于 MalwareBazaar 样本的真实案例研究中，证据驱动流水线实现了 10/10 的结构化分析通过率，生成了 CFG/FCG 证据、MITRE ATT&CK 映射、检测指南和分析师就绪报告。结果表明代码中心表示、检索基础验证和推理指导提升了 LLM 辅助恶意软件归因的可靠性和实用价值。

该论文聚焦于JavaScript/Node.js生态中广泛存在的原型污染（Prototype Pollution）漏洞检测问题。原型污染漏洞允许攻击者通过操纵对象的原型链，在运行时注入恶意属性，从而导致拒绝服务、权限提升甚至远程代码执行。现有检测工具存在高误报、低覆盖或无法生成可利用PoC的问题。为此，作者提出了Bullseye——一个混合静态与动态分析的漏洞检测系统，能够自动为发现的漏洞生成概念验证（PoC）利用。Bullseye首先通过静态分析扫描NPM包中的可疑模式，并使用符号执行和污点传播来识别潜在的污染路径。随后，动态分析阶段在沙箱环境中实际执行PoC，验证漏洞的可利用性。在包含超过1500个流行NPM包的测试集上，Bullseye发现了124个之前未知的原型污染漏洞（其中98个已被确认），相比现有工具（如CodeQL、Prototype Pollution Scanner）召回率提升32%，误报率降低47%。所有发现的漏洞均已负责任地披露给相关维护者。实验还表明，Bullseye的PoC生成能力有效降低了安全团队验证漏洞的时间成本。

该论文提出了一种名为TaintGrep的静态分析工具，用于检测Android应用中的漏洞。该工具基于污点分析（taint analysis）技术，并支持用户自定义规则，从而能够灵活地适应不同的安全检测需求。TaintGrep通过构建数据流图并追踪敏感数据（如用户输入、敏感API调用）的传播路径，最终识别可能导致信息泄露、权限滥用等安全问题的模式。实验部分（abstract未详细说明）可能评估了其在真实应用上的检测效果。该研究的主要贡献在于提供了一个可扩展的静态分析框架，允许安全分析师根据特定漏洞类型编写自定义规则，降低了针对新型漏洞的检测门槛。适合安全分析人员、移动安全研究者以及希望定制化检测逻辑的开发者阅读。

该论文对微信小程序（Mini-apps）中的凭证泄露问题进行了大规模实证研究。微信小程序是一种无需安装即可在微信中运行的应用，其开发者通常使用云服务API密钥、第三方服务令牌等凭证来访问后端资源。论文作者设计并实现了静态分析工具MiniKey，该工具利用自定义的YARA规则以及基于行为启发式的验证方法，对来自微信不同渠道（如主库、分包、云开发等）的约380万个小程序代码进行扫描，检测硬编码的凭证。研究发现，凭证泄露现象极为普遍：约43%的小程序包含至少一个凭证实例，其中常见泄露包括云数据库API密钥、对象存储令牌、短信服务密钥以及第三方AI服务密钥等。更严重的是，许多泄露的凭证仍处于有效状态（通过实际验证与对应服务交互确认），攻击者可以利用这些凭证直接访问受害者的云资源、窃取数据或执行恶意操作，造成严重的安全威胁和经济损失。论文还分析了凭证泄露的类型分布、开发者行为模式（如使用公共代码模板、不安全的代码分享）以及不同微信渠道的风险差异。基于研究结果，作者提出了开发者端和平台端的改进建议，包括代码审查、凭证管理最佳实践、增强型动态扫描等。

介绍了一个跨多个提交引入的Python漏洞基准，揭示了每次提交静态分析工具检测率极低（13%），表明现有SAST对这类漏洞几乎无效。