这篇论文提出了一种利用大型语言模型（LLM）自动向 Solidity 智能合约中注入漏洞的方法，旨在解决智能合约漏洞检测工具评估中“带真实标签数据集稀缺且人工构建困难”的问题。作者以 OpenSCV 分类中的 49 种漏洞类型为目标，对来自 SmartBugs 的真实智能合约进行变异注入实验。整个流程包含多阶段验证管道：依次检查合约的编译是否通过、能否正常执行、业务逻辑是否保持一致，以及是否确实存在目标漏洞。实验共生成近 1000 个候选变体，经过去重和验证后，最终得到 32 个确认存在漏洞的合约，覆盖 25 种漏洞类型，存活率仅为 16.58%。存活合约主要集中在结构较为简单的目标合约和具有局部化语法模式的漏洞类型上。论文还报告了实际部署中的挑战，包括 LLM 的非确定性输出以及难以在注入漏洞的同时保持合约原始语义。作者进一步使用这些验证后的漏洞合约对三款静态分析器进行测试，结果显示出各工具之间存在互补性和不完整的覆盖能力。整体结论表明，基于 LLM 的漏洞注入具备可行性，但可扩展性和多样性仍存在明显局限。本文适合智能合约安全研究者、漏洞检测工具开发者以及需要构建高质量基准数据集的安全工程师阅读。

本文提出 CyberForge 框架，用于合成可执行的、仓库级别（repository-level）的网络安全训练数据，以解决前沿 LLM 智能体在真实软件漏洞发现与修补方面能力受限的问题。当前攻防不对称严重：攻击者只需找到一个可利用弱点即可得手，而防御者必须在快速增长的代码库中持续识别并修补所有漏洞。防御型智能体有望缩小这一差距，但安全训练数据稀缺且难以复现构建与执行环境。CyberForge 通过向真实 C/C++ 项目中注入漏洞来生成数据，并动态验证每个实例：注入后的构建必须通过项目自带单元测试，同时生成的概念验证（PoV）必须能在注入构建上触发，而不能在干净构建上触发，从而保证合成漏洞的质量与真实性。与依赖历史 CVE 数据的增强技术不同，CyberForge 不受已知漏洞数量限制，因此可规模扩展。作者构建的语料库包含 1034 个经校验的漏洞，覆盖 80 个项目、63 个弱点类别，其编辑局部性（edit locality）与真实 CVE 补丁在真实噪声底线下相似。利用该语料库上收集的轨迹进行微调，在 SEC-bench 补丁修复任务上获得 +3.3 至 +14.7 分的提升，覆盖三个模型规模与两个教师模型共六种配置，其中 31B 学生模型达到其教师（GPT-5.4-mini）72.7% vs 74.0% 的水平。这些在分布外（OOD）语料库 PatchEval 上也能泛化，该语料库包含其他编程语言，所有配置均提升，31B 学生甚至超过其教师。该工作为防御性安全智能体的训练提供了可扩展的高质量数据来源，有望推动自动漏洞修复与代码审计的发展。