至臻求学，胸怀云月

本文提出CoDe-R框架，通过两阶段方法提升反编译代码质量：在训练阶段引入语义推理引导(SCE)，让1.3B小模型理解高层算法意图；在推理阶段采用动态双路径机制(DDPF)，平衡语义恢复与语法稳定性。实验表明，该方法首次使1.3B模型在HumanEval-Decompile基准上突破50%平均可重执行率，峰值达70.73%，接近专家级大模型性能。CoDe-R的创新在于将"直接翻译"转化为"推理+翻译"范式，并通过离线生成语义锚点降低推理开销，为安全场景下的本地化部署提

摘要： 论文《Securing Large Language Model Agents via Structured Graph Abstraction》提出AgentArmor系统，针对LLM Agent面临的三大安全挑战：不可追踪的数据依赖、控制依赖和跨资源数据流模糊。该系统通过构建程序依赖图(PDG)对Agent运行时行为进行结构化抽象，结合控制流图(CFG)和数据流图(DFG)建模执行逻辑，并引入类型系统进行安全标注。实验表明，AgentArmor能有效防御Prompt注入攻击，在保持低误报率(1.

SkillSieve: 恶意AI Agent技能检测的分层过滤框架 本文提出SkillSieve框架，用于检测AI技能市场中的恶意技能包。针对现有方案无法同时处理代码和自然语言指令的缺陷，SkillSieve采用分层架构：第一层使用静态分析（正则规则、AST特征提取等）快速过滤86%良性技能；第二层通过结构化语义分解(SSD)并行执行4项LLM分析任务（意图对齐、权限合理性、隐蔽行为检测和跨文件一致性），加权计算最终风险评分。实验表明，该方法F1-score达94.7%，相比单一Prompt方法提升11.2

📌 EXHIB基准：打破二进制函数相似性检测的评测幻觉 本文揭示了现有BFSD评测的局限性：标准数据集仅覆盖同一源码的不同编译变体（低级差异），导致模型在真实场景出现严重性能泡沫。作者提出首个全面评估框架： 🔧 三级差异分类体系： 低级：编译器/架构差异 中级：混淆变换 高级：语义等价但实现不同 📊 五大真实数据集： 包含固件、恶意软件、混淆代码及编程竞赛的语义等价函数，覆盖160万+函数对 💡 关键发现： 最优模型在语义差异下性能暴跌30%（HermesSim从1.0→0.7） NLP方法（SAF

WebCloak：对抗LLM驱动的智能爬虫威胁 WebCloak是一个针对LLM驱动Web爬虫的新型防御系统，研究其作为智能爬虫窃取网页图片的威胁。项目包含三部分核心内容： 威胁验证：通过三种攻击范式（L2S/LNC/LWA）证明LLM爬虫确实构成威胁，实验模块包含多种LLM后端测试和对抗性提示评估。 双层防御机制： Stage1采用动态HTML结构混淆，通过标签替换、属性名随机化、URL编码和蜜罐注入等技术，阻断爬虫的解析逻辑。 Stage2构建语义迷宫，利用LLM生成迷惑内容干扰爬虫的URL提取判断。

本文提出大型恶意软件语言模型(LMLM)，将NLP领域的LLM预训练范式迁移到PE二进制静态分析。通过三种输入表示(EXE原始字节/DIS反汇编/DEC反编译)的组合，采用BPE分词和Mamba/HRRFormer架构，结合MLM/CLM预训练目标，在检测、家族分类和行为标记三类任务上平均提升1.1%，最高提升28.6%。实验表明预训练对复杂任务尤为关键，但存在计算成本高、对抗样本鲁棒性不足等局限。该研究为恶意软件防御开辟了新范式，未来可探索混合架构和多模态学习等方向。

每周安全论文追踪摘要（2026-03-29） 本期精选NDSS 2026和USENIX Security 2025的7篇前沿安全研究论文： 威胁情报生态系统风险：主动测量揭示CTI平台存在数据污染、延迟传播等系统性风险（Georgia Tech） 恶意软件分析新范式：提出Malware LLM模型，通过语义表征提升分类与家族归因准确率（RIT/Ariel University） 入侵检测标签去噪：CoLD框架有效修正噪声标签，显著提升模型鲁棒性（港大/UCL） 联邦学习入侵检测：Entente系统实现跨组织

本文提出了一种基于LLM的自动化威胁猎杀框架，将Agentic AI与Splunk SIEM深度集成，构建了7层流水线系统。核心创新在于结合自编码器异常检测、DRL初步分类和LLM多智能体分析，实现了从日志处理到威胁验证的完整闭环。实验表明，该系统在BOTS和模拟数据集上表现优异，特别是Mode B奖励模式下达到最佳平衡（F1-score 0.861）。该框架有效解决了传统方案在新型威胁检测、告警疲劳和人力短缺等方面的局限性，为SOC运营提供了自动化、动态化的威胁猎杀解决方案。

USENIX SECURITY 2025 一篇实例性研究，评估用户分类benign和malware的使用特征；实验使用3款恶意软件（勒索软件、RAT、挖矿程序）和3款良性软件

【Ai4sec】：以数据驱动增强安全水位，涵盖内容包括：恶意软件分析，软件安全，AI安全，数据安全，系统安全，流量分析，防爬，验证码等安全方向。文件中包含了之前已经解析过的一些文章，我将提供这些文章的标题、作者、摘要总结、发表时间和链接的中文信息，并补充之前未提供的文章信息，这些文章涵盖了密码学、联邦学习、软件漏洞检测、网络安全、隐私保护等多个领域的最新研究进展。以下是每篇文章的标题、作者、摘要总结、发表时间和链接的中文信息，涵盖了从网络安全、联邦学习、软件漏洞检测到自动语音识别等多个领域的最新研究进展。

Arxiv安全文章速览

一篇NDSS2023关于异常检测中良性数据发生漂移时的缓解方法

一篇ACSAC2020通过对binary静态相似性分析测量iot上malware家族谱系的文章

Order Matters: Semantic-Aware Neural Networks for Binary Code Similarity Detection//基于语义感知神经网络的二进制代码相似性检测文章目录Order Matters: Semantic-Aware Neural Networks for Binary Code Similarity Detection背景摘要int...

Deep Fingerprinting: Undermining Website Fingerprinting Defenses with Deep Learning摘要Website fingerprinting enables a local eavesdropper to determine which websites a user is visiting over an encryp...

摘要Many of today’s machine learning (ML) systems are built by reusing an array of, pretrained, primitive models, each fulfilling distinct functionality (e.g., feature extraction). The increasing use o...

目的Identification text verification code摘要Despite several attacks have been proposed, text-based CAPTCHAs are still being widely used as a security mechanism. One of the reasons for the pervasive us...

三轮阅读法第一轮了解论文的大意 第二轮了解论文的主要内容（而非细节） 第三轮深入研究第一轮阅读鸟瞰式阅读法，快速浏览论文，由此决定是否需要进入后两轮阅读，用时5-10分钟 工作范围：仔细阅读题目、摘要及导言 阅读章节标题，略过其他内容 阅读结论 粗略的看下参考文献读完之后，应能回答以下问题类别：该论文属于的类别，实证量化分析？对现有的方法改进？亦或是提出一个新结论？...

目的实时监测网络流量The ultimate goal of this research work is to be able to use different algorithms to build different models and to compare their accuracy in detecting anomalous behavior on the Netflow d...

摘要Existing machine learning solutions for network- based intrusion detection cannot maintain their reliability over time when facing high-speed networks and evolving attacks. In this paper, we propos...

摘要Eicient extraction of code authorship attributes is key for suc- cessful identiication. However, the extraction of such attributes is very challenging, due to various programming language speciics,...