传统漏洞分析通常依赖对目标系统的访问权限或与其动态交互，但在第三方分析师审计闭源、远程托管、关键在役系统或商业受限软件时，这两类条件往往都不具备。为此，论文提出一种新的分析范式——无盒漏洞分析（no-box vulnerability analysis）：分析者既无系统访问权，也无法运行时交互，唯一可用的信息是功能元数据。元数据描述了系统的预期行为（输入、输出与副作用），并据此约束所有与之相符的可能实现。研究者的目标是在不观察、不接触目标系统的前提下，推断出“在符合该元数据的全部可能实现中都会出现”的漏洞假设，待日后获得更多访问权限时再行验证。作者以原型系统 MCPSEC 验证该范式的可行性：MCPSEC 仅利用 Model Context Protocol（MCP）服务器在注册阶段暴露的工具元数据，审计其中可能存在的间接提示注入漏洞。评估覆盖 20 个广泛部署的 MCP 服务器共 177 个工具，人工评估者确认其中 95 个工具确实存在漏洞；MCPSEC 将 143 个工具标记为存在风险，并为每个被标记工具生成漏洞假设与对应的利用技术描述。仅凭元数据，MCPSEC 就预测出 94 个经人工验证的真实漏洞（召回率 98.9%），优于 LLM 基线的 80 个（84.2%）。该工作提出并验证了无盒漏洞分析这一新范式在真实系统中的实用可行性。

该论文针对大语言模型（LLM）在软件漏洞推理中可能静默违反领域知识、导致安全关键场景（如医疗设备）可靠性不足的问题，提出了一种基于逻辑编程的验证框架 EntailLLM。现有方法要么将 LLM 输出仅作为待评分的预测，要么将其限制在单张知识图谱的路径遍历中，均未检查对二进制程序的推理是否与独立领域知识保持一致。EntailLLM 的核心思路是将每条 LLM 提出的分析师路径视为对二进制函数调用图的遍历，并将领域知识表示为另一张独立图谱，然后在时序注释逻辑（temporal annotated logic）下将两者对齐，通过蕴含（entailment）验证每条路径的合理性。实验覆盖三个 CWE 类别、四种 LLM、三种提示策略，以及七个规模从 405 到 12,696 个函数调用图节点的二进制程序。结果显示，加入领域知识后，池化蕴含率从 78% 提升至 98%，仅有 3% 的实验出现蕴含率下降。该系统已端到端部署于真实医疗设备二进制程序，无需针对具体设备调整即可达到 98% 的池化蕴含率。EntailLLM 继承了广义注释逻辑的形式化保证，为 LLM 输出提供可解释且基于明确语义的逻辑验证。本文适合安全分析自动化、LLM 在静态分析中的应用、以及形式化验证与 AI 结合方向的研究者和工程师阅读。

该论文对来自 Wild SBOMs 数据集的 78,612 个真实世界的软件物料清单（SBOM）文件进行了大规模实证研究，首次刻画了其中声明的依赖图结构。研究发现，这些 SBOM 可分为三类：52.9% 的 SBOM 未声明任何边（不符合 NTIA 最低元素要求）；8.8% 虽然声明了依赖块但大多数组件孤立（退化状态，对于组件数≥50 的此类 SBOM，中位孤儿比例为 93%，且作者生成的 11 个 Syft 容器镜像 SBOM 孤儿比例达 95%-98%）；38.3% 形成了良好连接的图。边的生成完全由生成工具决定，而非被描述的软件（不同工具的零边率从 0% 到 100%）。用于声明图不完整性的规范级机制（CycloneDX compositions）仅被 0.10% 的 SBOM 使用。作者指出，在前两类状态下，常见的消费者推断“无路径即不可达”是一种不合理的封闭世界结论。在生产级漏洞优先级排序系统中，用退化检测器保护下的显式“未知”级别替换原有的否决逻辑，可将 KEV 召回率从 0.600 提升至 0.950（控制重评分），在端到端运行时达到 0.957，且不会造成警报泛滥。论文发布了流式扫描器和完整的每个 SBOM 拓扑数据集。

本研究针对基于大型语言模型（LLM）的代码生成工具（如ChatGPT、Microsoft Copilot、Google Gemini）在自动化脚本编写中引入的安全风险进行了跨模型比较分析。研究通过相同的提示词从三个模型收集了针对三个自动化领域的代码样本，并使用Claude Code进行标准化漏洞审查。每个识别的漏洞均采用CVSS v3.1评分，并映射到OWASP Top 10:2021和MITRE ATT&CK框架。结果显示，所有生成的脚本均包含可利用的漏洞；在17个漏洞类别中，9个出现在所有三个模型的输出中，14个出现在至少两个模型的输出中。不同平台间的加权CVSS分数差异小于10%，表明风险主要与任务类别相关，而非特定模型。研究结论强调，组织不应关注选择哪个工具，而应质疑是否应未经安全审查直接部署LLM生成的自动化代码。该工作对安全工程师、开发者和企业安全策略制定者具有重要参考价值。

该论文发表于 NDSS 2026，针对 npm 生态系统中已知漏洞的受影响包识别问题。由于 npm 依赖关系复杂，漏洞公告往往只描述漏洞本身，而难以精确判定哪些具体包版本实际包含该漏洞（即受影响的包）。现有方法要么过于保守（漏报），要么过于激进（误报），导致安全运维中产生大量“噪音”。为此，作者提出一种从“噪声”中提取“信号”的方法，通过分析漏洞引入和修复的代码变更，结合 npm 依赖关系图，精确识别受影响的包及其版本范围。实验证明，该方法能显著提升漏洞影响评估的精度，减少误报和漏报，为 npm 生态的安全运维提供可靠依据。

该论文提出了一个名为 SV-TRUSTEVAL-C 的基准测试，用于评估大语言模型（LLM）在 C 语言源代码漏洞分析中的结构推理和语义推理能力。结构推理评估模型在不同数据流和控制流复杂度下识别代码元素间关系的能力；语义推理则检验模型在代码结构或语义发生扰动时保持逻辑一致性的能力。实验结果表明，当前 LLM 在理解复杂代码关系方面远未达到令人满意的水平，其漏洞分析更多依赖模式匹配而非稳健的逻辑推理。该基准测试揭示了 LLM 在代码安全分析中的关键弱点，并为提升其推理能力和可信度提供了重要参考。初始数据集已在 Hugging Face 公开。

本研究聚焦于大型语言模型（LLM）在辅助软件安全分析中的安全状态影响。LLM辅助的软件安全分析处于一个微妙的边界：用于合法代码审查、分类和修复的漏洞分析术语可能与滥用场景下的术语高度相似。现有安全评估常比较不同模型家族，混淆了安全行为与架构、规模、训练数据等差异。为隔离这一因素，论文研究同一谱系模型的安全状态：即拒绝行为是否保持完整（Aligned）或已被移除（Abliterated）。作者选取Gemma和Qwen两个模型家族的对齐指令微调版本及其公开发布的拒绝消融变体，在漏洞检测、CWE归因、脆弱代码行定位、根因定位及可执行补丁验证五项任务上比较Aligned与Abliterated状态的表现。此外，实验将提示措辞作为受控维度：提示从中性代码审查语言开始，逐步加入授权上下文并增加网络安全术语密度。在基于Gemma的Java/Vul4J修复验证研究中，Abliterated在早期验证率上显著优于Aligned：修补程序被认为可用、成功应用和成功编译的比例分别为67.8%、65.0%和32.8%，而Aligned对应仅为29.9%、24.9%和9.0%。在Qwen对中，Abliterated提升了定位性能，行级F1从2.08%升至3.91%，Top-1准确率从4.10%升至6.95%。结果表明，评估基于LLM的安全助手应同时衡量模型是否响应、正确响应是否可用以及输出在整个工程流程中是否可操作。该研究为安全从业者设计LLM辅助工具提供了重要参考。

本文对LLM驱动的数据代理系统（Data Agents）进行了系统的安全研究。数据代理将LLM推理与关系数据访问、可执行分析工具和多步工作流编排相结合，日益成为企业分析的核心，但也引入了新的安全漏洞组合。作者首先构建了一个分层漏洞框架，在解释层、执行层和策略层识别出八种数据代理特有的安全风险。其次，提出了一种基于对手目标、战术和技术的攻击分类法，涵盖三个目标、七种战术和十四种技术，并设计了一个基于真实数据库模式、由LLM驱动的载荷生成流水线。最后，在六个系统上（包括四个开源数据代理和两个商业云分析服务）进行了实验评估，揭示了当前系统中的严重安全漏洞，并总结出四项关键发现。该研究填补了数据库安全与通用LLM代理安全交叉领域的空白。

本文对x402协议（一种用于机器间支付的HTTP支付协议）进行了首次系统性安全分析。x402协议旨在为代理经济提供程序化金融轨道，但其将同步HTTP请求与异步区块链最终性相结合，引入了状态同步挑战。研究者形式化了五个安全不变量（Security Invariants），揭示了当前实现未能强制执行事务原子性和密码学上下文绑定，导致系统性漏洞。具体而言，发现了签名设计中的语义缺口允许跨资源替换，即支付证明可被移植到其他未授权上下文；同时暴露了时间缺口，并发竞态条件可导致概率性服务重复。在AI推理场景中，动态定价模型容易受到额度透支和基础设施速率限制的攻击。研究者针对官方SDK和在线部署验证了这些漏洞，表明攻击者可利用动态授权方案中的同步差距，迫使商家补贴计算成本，在生产中间件上实现高达100%的资源泄漏。最后，提出了架构缓解措施，包括请求绑定签名和悲观状态锁定，以保障自主代理的金融轨道安全。所有已发现问题已向Coinbase和ThirdWeb披露。

该论文对五大主流端到端加密云存储服务（Sync、pCloud、Icedrive、Seafile、Tresorit）进行了深入的密码学安全性分析，这些服务累计拥有超过2200万用户。研究者在恶意服务器模型下，通过设计多种攻击方法，揭示了其中四家服务存在严重的密码学漏洞。攻击可以破坏这些服务宣称的安全保证，具体包括：恶意服务器能够向用户加密存储中注入文件、篡改文件数据，甚至直接获取文件内容。值得注意的是，许多攻击以相同方式影响多个提供商，暴露了不同厂商在独立设计密码学方案时反复出现的共性错误模式。论文最后讨论了这些模式对于整个云存储生态安全的启示意义，而不仅仅局限于被分析的具体服务商。

该论文针对C/C++软件供应链中的漏洞分析问题提出了一种社区级别的软件组成分析方法（SCA）VulSCA。现有SCA工具（如OSSFuzzer、OSSGadget、OSV-Scanner）在识别第三方库漏洞时存在高误报率和难以理解的问题，主要原因包括漏洞库不完整、版本匹配不精确以及缺乏上下文信息。VulSCA利用社区信息（如GitHub issues、commit logs、安全公告）构建增强的漏洞数据库，并结合代码相似性与补丁分析技术，精确识别受影响函数，从而减少误报。实验结果表明，在多个真实C/C++项目数据集上，VulSCA在召回率和精确率方面均优于现有工具，误报率显著降低。论文还展示了VulSCA能够发现之前未知的漏洞变种，并提供了详细的漏洞影响分析。该方法对于提升C/C++软件供应链安全性具有重要参考价值。