VulValidate: Auditing Function-Level Vulnerability Labels with Executable Evidence
基于学习的漏洞检测高度依赖训练标签的质量。现有大规模数据集（BigVul、PrimeVul、DiverseVul 等）通常以「漏洞修复提交」为依据，把被补丁改动过的函数直接标注为「存在漏洞」，但被安全补丁修改并不等于该函数本身存在漏洞，由此
#vulnerability-detection
共收录 71 条相关情报。
← 返回所有主题A Function-level Dataset of Vulnerable and Fixed Source Code in JavaScript and TypeScript
该论文针对 JavaScript 与 TypeScript 生态中自动化漏洞检测长期受限于高质量训练数据不足的问题，构建并公开发布了函数级漏洞数据集 JsVul。与常见的多语言通用数据集不同，JsVul 采用面向 JS/TS 的语言特定处理
SmartMemory: Detecting On-chain-off-chain Communication Inconsistency for Smart Contract via Memory-based Agent
该论文研究智能合约中链上-链下通信（On-chain/Off-chain Communication, OFC）引发的安全问题。随着跨链桥、现实世界资产代币化（RWA）以及法币背书稳定币等应用快速增长，OFC 已成为去中心化金融的关键基础设
Solidity Meets LLMs: A Transformer-Based Approach to Smart Contract Vulnerability Detection
该论文关注区块链与以太坊生态中智能合约的安全问题。随着智能合约在去中心化应用中的采用度不断提高，合约逻辑日益复杂、所承载的资金价值持续上升，使其成为网络攻击的重点目标。作者指出现有检测手段（隐性指向传统静态分析与规则/符号执行类工具）在理解
AIJon: Automated Generation of Annotations for Fuzzing
该论文关注模糊测试（fuzzing）中的反馈引导问题。当前主流 fuzzer 以代码覆盖率为反馈来指导探索，这一策略被证明有效，但它会忽略那些不产生新代码路径、却仍对目标程序有意义的输入。此前 IJON 研究显示，由人类领域专家编写的注解（
SEMA-GUARD: Semantic and Graph-Based Vulnerability Detection in Assembly Code
在无源码场景（如恶意软件分析、固件审计、嵌入式系统分析）中，对编译后程序进行漏洞检测的需求日益突出。然而，现有方法多依赖语法规律或较高层次的表示，不仅容易受编译器版本和优化选项变化的影响，也难以直接应用于汇编代码。为此，本文提出 SEMA-
EchoFuzz: Empowering Smart Contract Fuzzing with Large Language Models
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
Towards Scalable and Cost-Efficient Vulnerability Detection: A Study on Automatic Query Generation
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
SemVul: Semantic-Enhanced Graph Neural Networks for Code Property Graph-based Vulnerability Detection
本文提出了一种名为 SemVul 的漏洞检测流水线，旨在提高源代码漏洞检测的准确率与泛化能力。研究背景指出，源代码漏洞是网络攻击的根本原因之一，攻击者常利用软件弱点进行未授权访问、数据窃取或服务破坏。现有基于代码属性图（Code Prope
Pig in a Poke: Automatically Detecting and Exploiting Link Following Vulnerabilities in Windows File Operations.
本文提出了一种名为“Pig in a Poke”的自动化方法，用于检测和利用 Windows 文件操作中的链接跟随（Link Following）漏洞。链接跟随漏洞是一类常见的符号链接攻击，攻击者通过构造恶意链接（如符号链接或连接点）诱导系
Towards Behavior Tree-Guided Vulnerability Detection with Lightweight LLMs
本文研究如何利用轻量级本地大语言模型（LLM）进行软件漏洞检测，重点关注源代码输入表示对检测效果的影响。当前多数提示方法直接使用原始源代码，也有部分工作采用抽象语法树（AST）等结构化表示，但AST的冗长性显著增加了输入token数量，可能
CoCo: Efficient Browser Extension Vulnerability Detection via Coverage-guided, Concurrent Abstract Interpretation.
该论文针对浏览器扩展漏洞检测的挑战，提出了一种名为 CoCo 的新型检测方法。浏览器扩展在浏览器功能上增加额外能力，同时也引入了新的攻击面，恶意网页可以利用扩展 API 进行权限提升。传统的静态分析方法难以处理动态 JavaScript 特
BlockScope: Detecting and Investigating Propagated Vulnerabilities in Forked Blockchain Projects.
本文针对区块链生态中普遍存在的代码分叉现象，提出了一种名为 BlockScope 的自动化工具，用于检测和调查分叉区块链项目中从经典链（如比特币和以太坊）传播而来的漏洞。由于区块链项目的开源特性，许多新链（如 Dogecoin、Liteco
IsolatOS: Detecting Double Fetch Bugs in COTS RTOS by Re-enabling Kernel Isolation.
实时操作系统（RTOS）在读取用户空间内存时，如果多次读取同一地址且未保证一致性，容易产生双重获取（double-fetch）漏洞。传统静态分析无法检查商业现货（COTS）RTOS内核，而依赖宽时间窗口阈值的动态启发式方法误报率高且模拟开销
Smarter Contracts: Detecting Vulnerabilities in Smart Contracts with Deep Transfer Learning.
智能合约安全是区块链领域的重要挑战。以太坊智能合约编程漏洞已被利用造成严重经济损失。现有检测工具通常只针对少数特定漏洞类型，难以扩展到新型漏洞，且需要重新设计。本文提出ESCORT，一种基于深度迁移学习的多漏洞检测框架。该方法采用共享的特征
Careless Retention and Management: Understanding and Detecting Data Retention Denial-of-Service Vulnerabilities in Java Web Containers.
该论文聚焦于Java Web容器（如Tomcat、Jetty等）中一类被忽视的拒绝服务（DoS）漏洞——数据保留拒绝服务（Data Retention DoS）。研究指出，现有安全研究多关注内存泄漏或资源耗尽，但数据在容器内部被过度保留（C
ARQ: Agentic CodeQL Query Refinement for C/C++ Vulnerability Detection
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
Pre-Model Representation Failures in GNN-Based Smart Contract Vulnerability Detection
本文是对基于图神经网络（GNN）的智能合约漏洞检测器中表示层（representation layer）的失败分析。研究指出，这类检测器在机器学习之前先将源代码转换为图结构；如果图未能捕获代码的语义，那么任何模型改进都无法弥补这一缺陷。作者
VICBench: A Multi-Language Benchmark for Code Vulnerability Detection
在软件安全领域，准确评估漏洞检测工具的效果高度依赖于包含“漏洞诱导提交”（Vulnerability-Inducing Commits, VIC）的基准数据集——即首次将漏洞引入代码库的提交。VIC 对于确定受影响的软件版本范围、追踪漏洞演
Cross-Corpus Evaluation of Generalizable Vulnerability Detection in IoT Firmware
本文针对物联网固件漏洞检测中的跨语料库泛化问题展开研究。当前领域面临固件生态异构、平台资源受限以及现有基准测试局限性等挑战，许多数据集为合成数据或通用数据，缺乏人工验证和污染筛查，导致模型跨语料库泛化能力缺少可靠证据。为填补这一空白，作者提