CRYPTOSCOPE: UTILIZING LARGE LANGUAGE MODELS FOR AUTOMATED CRYPTOGRAPHIC LOGIC VULNERABILITY DETECTI

一、文章主要内容总结

（一）研究背景

密码算法是现代安全的基础，但实际实现中常存在难以检测的细微逻辑漏洞，且现有自动化检测方法多针对密码API误用，对密码逻辑漏洞的检测存在自动化程度低、语言依赖性强、泛化性差等问题。同时，开发者密码专业知识不足以及使用大语言模型（LLMs）辅助编码可能引入漏洞，而广泛使用的密码库若存在漏洞，会影响众多依赖项目。

（二）核心框架：CRYPTOSCOPE

CRYPTOSCOPE是首个基于LLM的密码逻辑漏洞检测框架，无需代码执行，核心是结合思维链（CoT）提示与检索增强生成（RAG）技术，并依托包含12000多条条目的精选密码学知识库，具体分为三个阶段：

1. 多样化密码学知识库构建：从298份CTF解题报告、11个密码学博客、15条CWE规则、3本密码学相关书籍、738篇研究摘要、3909条StackExchange帖子等多源非结构化文档中，借助LLM提取和分割信息，构建高质量知识库，并进行向量化处理以支持高效检索。
2. 预检测与知识检索：先对输入代码生成语义摘要，提取算法和数学结构；再通过与密码算法规范对比或少量样本CoT提示进行初步安全分析；最后利用语义摘要和初步分析结果检索知识库中最相关的知识块。