txg666-优快云博客

原创综述分享 | 漏洞影响版本识别有多远?

本文针对漏洞影响版本识别（Vulnerability-AffectedVersionsIdentification）开展首项大规模实证研究，构建包含1,128个CVE、59,187个标注版本的基准数据集，评估12个工具。结果表明：最佳工具准确率仅44.9%，集成后仍低于60%，存在补丁噪声、语义失配与浅层验证三大瓶颈。未来需在补丁预处理、根因定位与存在性验证方向突破，推动安全关键场景下的可靠应用。

2026-09-14 09:13:41 118

原创 ConColl:置信度驱动的顺序多阶段漏洞检测

ConColl提出置信度驱动的顺序多阶段漏洞检测框架：先用LLM直接预测，不确定样本经RAG增强，仍不确定则启用多智能体协作投票。该方法在TreeVul_Ext上达SOTA F1=72.3%，超GPT-4o

2026-09-08 13:09:00 335

原创 CGIFuzz：首个面向IoT设备Web CGI程序的灰盒模糊测试框架

<think>我们根据内容生成摘要，不超过150字。需要概括主要贡献：CGIFuzz首个面向IoT CGI的灰盒模糊测试框架，解决三大挑战，实验效果好。注意摘要要简洁。</think>CGIFuzz提出首个面向IoT设备CGI程序的灰盒模糊测试框架，通过Relay-Pass动态插桩、LLM辅助输入生成和命令注入检测Oracle，解决了CGI程序难以插桩、输入验证复杂及非崩溃漏洞检测难的问题。在10个设备上覆盖率较现有方法提升184.91%，发现69个漏洞（含9个CVE），显著增强Io

2026-09-04 09:22:29 354

原创 GraphFVD：属性图驱动的细粒度代码漏洞检测

《GraphFVD：基于属性图的细粒度漏洞检测方法》摘要本文提出GraphFVD模型，针对现有深度学习方法在代码漏洞检测中存在冗余代码干扰的问题，创新性地采用属性图切片技术实现细粒度检测。该方法通过构建代码属性图(CPG)提取细粒度漏洞候选切片(PrVC)，融合语法、控制流、数据流和代码顺序四种语义；并设计分层注意力图卷积网络(HierGCN)学习图嵌入，结合局部和全局注意力机制捕捉关键漏洞特征。实验表明，GraphFVD在NVD和GITA数据集上的F1值分别达到82.19%和80.83%，优于现有方法。

2026-09-02 09:27:58 327

原创 DPRFuzz：两阶段强化学习实现「精准引导 + 高效探索

DPRFuzz 采用两阶段 RL 优化策略：①确定性变异策略优化（DQN + TRPO）——将变异过程建模为马尔可夫决策过程，通过 Q 值函数预测最有效的变异算子（变异策略 × 变异位置），利用经验回放机制加速训练；通过 KL 散度约束新旧策略的相似性，保证策略更新的稳定性，同时提升经验利用率。两者结合，既能高效探索，又能稳定收敛。②Havoc 随机变异优化（改进的 TS 算法）——将 Havoc 阶段的选择建模为多臂老虎机问题，利用 Beta 分布建模各策略的有效概率；

2026-08-31 09:29:40 328

原创 LLMVulExp：LLM 驱动的可解释漏洞检测

用 Teacher-Student 范式，将强大的"开卷"教师 LLM（知道答案）生成的解释数据，蒸馏给"闭卷"学生 LLM（自主检测），并通过指令微调（LoRA）实现高效 specialization。LLM 不仅能检测漏洞，还能输出漏洞类型、漏洞位置、原因分析、修复建议——像安全专家一样手把手指导开发者。整体流程包含四个模块：①高质量数据集构建。

2026-08-27 08:36:14 305

原创综述解读 | 操作系统内核 Fuzzing 全景综述

摘要：本文系统综述了2017-2025年间107篇操作系统内核模糊测试（Fuzzing）顶会论文，首次提出三阶段九功能的分类框架，揭示内核Fuzzing与用户态Fuzzing的核心差异。研究指出三大挑战：受限运行环境（如设备模拟不足）、复杂输入接口（如跨设备结构化数据）及高度有状态性（依赖特定调用序列）。框架涵盖环境准备（执行环境、覆盖率收集、Bug检测）、输入模型（接口识别、规格感知、依赖识别）和Fuzzing循环（变异策略、执行优化、反馈机制）三阶段，分析显示执行环境与反馈机制是研究热点。关键发现包括

2026-08-26 08:25:15 324

原创 LLM 驱动漏洞传播验证：TransferFuzz-Pro 如何自动调试“继承“来的安全债

TransferFuzz-Pro 的核心思想：利用基础二进制（CVE 报告中的漏洞程序）的已知信息，通过 LLM 自动调试和历史轨迹引导，在目标二进制（复用了漏洞代码的新程序）中高效验证漏洞可触发性。整体流程包含三个模块：①历史轨迹提取——在基础二进制上执行 PoC，提取函数调用序列（FCS）和关键字节轨迹，作为目标二进制的 fuzzing 引导信息；②选项组合生成——LLM 分析目标程序的选项处理代码，模拟人类调试过程，迭代生成到达漏洞函数所需的命令行参数组合；③轨迹引导 Fuzzing。

2026-08-25 15:00:49 349

原创语义 + 解释双驱动：融合代码语义与 LLM 推理的漏洞检测新范式

《融合代码语义与LLM解释的漏洞检测方法研究》摘要：西安邮电大学团队在《Information Fusion》(2025)提出FuSEVul方法，通过融合代码结构语义与LLM生成的自然语言解释，实现高精度、可解释的漏洞检测。该方法创新性地结合代码表示学习与语言模型推理能力，包括语义特征提取、LLM解释生成、多模态对齐和联合训练四个模块。实验表明，在Devign等三个数据集上，FuSEVul平均准确率提升7.3%，F1分数提升52.2%，且在数据稀缺场景下仅需100样本即可超越多数基线模型。

2026-08-24 08:20:53 295

原创 Less Is More：如何用半监督学习提升漏洞检测能力

摘要：论文《LessIsMore: Unlocking Semi-Supervised Deep Learning for Vulnerability Detection》提出了一种半监督学习方法（SSVD），以解决漏洞检测中标注数据稀缺、成本高的问题。该方法通过初始模型生成伪标签，结合置信度筛选与一致性学习优化训练数据，显著降低对人工标注的依赖。实验表明，SSVD在F1、召回率等指标上优于现有半监督方法，仅需10%-30%标注数据即可达到或超越全标注模型的性能。研究为工业场景中低资源漏洞检测提供了高效解

2026-08-23 07:37:20 300

原创可控扩散驱动模糊测试：CtrlFuzz 如何在“流形空间”中精准探索神经网络漏洞

CtrlFuzz 的核心思想可以概括为：在“数据流形”上进行可控采样，而不是在原始输入空间中盲目扰动。① 维度归约使用LDA将高维数据投射到低维潜在空间；② 语义分解通过Mask R-CNN分离前景/背景，实现区域级控制；③ 流形覆盖建模定义目标流形区域覆盖（TMRC）指标；④ 引导扩散过程基于U-Net的扩散模型，融合覆盖约束生成测试样本；⑤ 漏洞判定识别异常预测或鲁棒性缺陷。图 1. CtrlFuzz 概述小结：从“像素级扰动”升级为“语义级生成”，显著提升测试有效性。

2026-08-22 16:30:55 360

原创语法感知模糊测试：FieldsFuzz 如何实现高效结构化输入变异

《FieldsFuzz：基于语法感知变异的模糊测试方法》摘要针对传统模糊测试在结构化输入（如JSON/XML）场景中随机变异效率低下的问题，航天工程大学团队提出FieldsFuzz方法，通过语法解析构建输入字段模型，实现字段级精细化变异。其核心创新为：①语法树驱动的结构化变异策略；②字段级操作保持语法有效性；③反馈优化机制。实验显示，在FuzzBench基准测试中，FieldsFuzz的字段识别准确率达96%，边覆盖率提升11.9%-30.3%，漏洞发现数量较AFL等工具提高27%-139%。该研究揭示了

2026-08-22 16:23:16 214

原创因果学习赋能代码模型：提升鲁棒性的全新范式

摘要：论文《A Causal Learning Framework for Enhancing Robustness of Source Code Models》针对深度学习代码模型（如漏洞检测、代码分类）存在的关键问题——对数据分布敏感、依赖伪相关特征、跨场景鲁棒性不足——提出了一种基于因果学习的解决方案。通过因果变量建模、干预机制和反事实学习，框架强制模型区分代码的因果特征与虚假特征，提升泛化能力。实验表明，在分类和生成任务中，该方法显著优于对抗训练等基线，对抗攻击成功率降低30.16%，且在多数据集

2026-08-19 16:28:13 414

原创综述解读 | LLM 越大越会找漏洞？这篇论文把“规模神话”彻底拆了

【论文摘要】中佛罗里达大学团队在NDSS 2025发表的研究《From Large to Mammoth》对LLM的漏洞检测能力提出关键质疑。通过系统评估不同规模LLM（从十亿到万亿参数）在统一漏洞检测基准上的表现，研究发现：1）模型规模与检测能力无稳定正相关；2）主流LLM检测效果接近，均依赖表面特征而非深层语义理解；3）复杂漏洞（如跨函数依赖）检出率显著下降。作者指出当前LLM本质是"模式匹配器"，缺乏程序执行分析能力，建议未来结合符号执行等传统程序分析技术构建更可靠的检测体系。该研

2026-08-15 14:59:40 365

原创 CKGFuzzer：融合代码知识图谱的 LLM 驱动 Fuzz Driver 自动生成

《CKGFuzzer：基于代码知识图谱的LLM驱动模糊测试入口生成框架》摘要华中科技大学等团队在ICSE 2025发表的CKGFuzzer提出创新方案，通过融合代码知识图谱与LLM技术解决模糊测试中Driver生成的难题。该方法首先构建目标程序的结构化知识图谱，提取API调用关系与控制流信息；继而利用知识增强的Prompt机制引导LLM生成高质量测试入口，并结合执行反馈持续优化。实验表明，在8个主流开源库测试中，该框架在6个项目上取得最优分支覆盖率，累计检测出199个独特崩溃（含11个真实漏洞），较传统方

2026-08-14 18:21:05 374

原创 SecureFalcon：面向 LLM 的漏洞检测增强框架与能力边界分析

SecureFalcon论文提出了一种结合漏洞检测增强机制与严格评测体系的大语言模型安全分析框架，旨在解决当前LLM在漏洞检测中存在的语义理解不足和评测偏差问题。该方法通过三步流程（漏洞检测建模、输入增强与扰动、鲁棒性评估）提升检测能力并验证模型真实性能。实验显示，SecureFalcon在二元和多分类任务中准确率分别达94%和92%，优于传统方法。研究揭示了LLM在漏洞检测中的"能力幻觉"，强调需结合严格评测与程序分析技术。未来方向包括语义增强型LLM和混合分析方法。

2026-08-13 09:45:39 249

原创 VERTFuzz：用 Transformer 重塑复杂文件解析器模糊测试

论文《VERTFuzz: Version transformer-driven fuzzing for complex file parsers》提出了一种基于深度学习的结构感知模糊测试框架，用于解决复杂文件格式（如PDF/ELF/XML/TIFF）漏洞挖掘中的三大痛点：格式规范符合率低、深层语义路径难以触及、输入空间稀疏。该框架创新性地采用ByteBERT自动识别文件元数据分布，通过元数据引导变异和Vision Transformer筛选机制，实现从盲目变异到精准攻击的转变。实验表明，VERTFuzz在代

2026-08-09 16:31:57 334

原创 VULOC：基于汇编切片的漏洞定位框架，精准锁定二进制中的危险代码

摘要：论文《VULOC: Vulnerability location framework based on assembly code slicing》提出了一种基于汇编代码切片的细粒度漏洞定位框架，解决二进制程序分析中因缺乏源码语义导致的定位难题。VULOC通过程序切片提取关键指令子图，结合数据流与控制流依赖关系建模，将漏洞定位从函数级提升至指令级，显著提高精度（如漏洞行平均数量从5.2降至1.0）。实验在Juliet和NVD-SARD数据集上验证其有效性，现实项目中检测到83个漏洞。该研究推动漏洞检

2026-08-08 17:12:57 394

原创可解释性驱动定向模糊测试：GDFuzz 如何用 XAI 提升漏洞挖掘效率

本文介绍了一种名为GDFuzz的新型定向模糊测试方法，该方法创新性地将可解释人工智能（XAI）技术应用于漏洞挖掘领域。针对传统模糊测试缺乏方向性引导、难以理解关键输入特征等问题，GDFuzz通过构建深度学习预测模型和XAI特征解释机制，实现了细粒度的输入重要性分析，能够精准定位影响路径到达的关键字节级特征。实验结果表明，该方法在有效执行率、漏洞暴露速度等方面显著优于基线工具，平均提升2.3-2.6倍，仅带来16%的CPU额外开销。该研究为模糊测试从"经验驱动"向"可解释智能驱动

2026-08-05 08:41:58 336

原创综述解读 | 高分=真会找漏洞？这篇论文告诉你：你可能一直在“做错题”

👉 不做新模型，而是系统性“审判”现有 ML 漏洞检测 Benchmark。整体流程如下：分析 80+ 顶会论文如何定义任务抽样主流数据集（BigVul / Devign / DiverseVul）人工重新标注漏洞与上下文依赖验证模型是否依赖“伪特征”取得高分不是模型不行，而是“考试题目本身错了”。

2026-08-03 07:01:01 269

原创 Unified Processing：用 Transformer 重构多模态漏洞检测范式

【论文摘要】西北工业大学团队在《Information and Software Technology》2025发表的研究提出了一种基于统一处理的多模态软件漏洞检测方法。针对现有技术中多模态（代码文本+结构）浅层融合的问题，该方法创新性地将控制流图(CPG)图像化并与代码文本统一映射至Transformer可处理的同构序列，通过单一模型实现深层跨模态交互。实验表明，该方法在SARD和CVE数据集上达到92.38%准确率，较传统多模型融合方案显著提升，并能检测Linux等开源项目中的最新漏洞。研究突破了

2026-08-01 11:11:12 196

原创提升触发率的微架构漏洞挖掘：High-Trigger Fuzzing 如何精准捕获推测执行漏洞

本文摘要（150字）：北京理工大学团队在《Computers & Security》（2025）提出HT-SEV方法，针对CPU推测执行漏洞（如Spectre）检测效率低的问题，创新性地构建"数据依赖驱动+反馈优化"的高触发率模糊测试框架。该方法通过动态建模寄存器依赖关系、双向梯度输入变异和微架构轨迹分析，显著提升漏洞触发概率。实验表明，相比传统随机测试（如Revizor），HT-SEV违规检测数量平均增加26%，有效输入生成率达100%。

2026-07-30 10:00:00 319

原创 VulTR：多层关键特征增强，让漏洞检测更“精准聚焦”

摘要：论文《VulTR: Software Vulnerability Detection Model Based on Multi-Layer Key Feature Enhancement》提出了一种新型漏洞检测模型VulTR，通过多层关键特征增强解决现有深度学习模型难以捕捉核心漏洞特征的问题。VulTR采用三步流程：①分层提取词级、语句级和结构级语义；②基于注意力机制强化关键漏洞特征；③融合增强特征进行分类。

2026-07-29 08:34:54 342

原创机器人领域简报（2026年7月20日—27日）

2026年7月，人形机器人产业迎来重要里程碑：智元机器人启动港股IPO，2025年全球市场份额达39%；特斯拉Optimus在弗里蒙特工厂投产，年产能7万台；三星成立直属CEO的机器人事业部。WAIC2026首次规模化部署60台人形机器人服务展会，标志行业从"展示"转向"实用"。工信部预测2026年产量突破10万台，较2025年增长5倍。技术突破包括国产GaN关节方案和MIT微型飞行机器人。

2026-07-27 17:49:49 461

原创 TAEFuzz：用“可迁移对抗样本”自动攻击深度学习模型

《TAEFuzz：基于可迁移对抗样本的深度学习模糊测试框架》摘要本文提出TAEFuzz，一种针对图像分类深度学习系统的自动化模糊测试框架。针对传统测试方法难以处理高维连续输入空间的问题，该框架创新性地利用对抗样本的迁移性特性：1）通过代理模型生成可迁移的对抗样本；2）设计迁移性增强机制提升跨模型攻击效果；3）构建包含样本生成、优化和错误检测的闭环测试流程。实验表明，TAEFuzz在ImageNet等数据集上较现有方法显著提升56.2%-71.2%的错误发现率，同时保持较好的图像质量。

2026-07-26 08:30:00 361

原创 LLM + 深度学习协同进化：DLAP 如何重塑漏洞检测范式

摘要： DLAP提出了一种融合深度学习与大语言模型（LLM）的软件漏洞检测框架，通过语义增强Prompt解决传统方法在细粒度语义建模和稳定性上的不足。该框架分三步：①深度学习模型提取代码结构特征（如控制流、数据依赖）；②将特征转化为可读描述嵌入Prompt；③LLM基于增强输入进行推理。实验表明，DLAP在Chrome、Linux等项目中显著提升检测性能（F1提升约15%），且结果更易理解。其核心创新在于分层协同机制，结合深度学习的结构感知与LLM的语义推理，为多模型协同漏洞检测提供了新范式。

2026-07-25 06:55:37 373

原创 AI领域简报（2026.7.18-7.24）

本周AI领域呈现"技术突破与监管落地并行"技术层：大模型向智能体能力演进（Claude Sonnet 5、Kimi K3），AI芯片竞争白热化（AMD全栈对标英伟达，国产芯片市占率突破52%），算力基础设施向系统级升级（Helios机架级系统量产）。应用层：智能体从Demo走向真实商业场景，企业级Agent采用率2026年将超50%，落地集中在客服、营销、研发、财务等高频场景，AI智能体手机等端侧产品问世。政策层。

2026-07-24 16:33:34 286

原创综述解读 | 性能测试覆盖率与代码特征有关吗？一项开源 Java 系统实证研究

摘要：研究探讨了性能测试（Performance Testing）的代码覆盖率问题，通过对28个开源Java项目的实证分析发现：性能测试的平均代码覆盖率仅为8.8%，远低于功能测试（约1/4），且执行成本高出62倍。实验表明，静态代码特征（如方法复杂度等）无法有效预测性能测试的覆盖目标。研究启示开发者需权衡测试成本与覆盖率，并建议结合运行时数据优化性能测试设计。未来可探索生产环境数据或系统负载信息以提升测试效率。核心结论：性能测试覆盖率低且执行成本高。传统代码特征无法指导性能测试设计。

2026-07-23 16:20:07 323

原创 Agent 攻击 Agent：自动检测 LLM Agent 中的污点式漏洞

《基于对抗Agent的LLM智能体污点漏洞自动检测方法研究》摘要：复旦大学团队在USENIX Security 2025发表的研究提出了一种创新的LLM智能体安全检测框架AgentFuzz。该研究针对LLM-based Agents面临的新型安全威胁（如恶意提示注入、工具滥用等），首创了"攻击Agent对抗测试"方法。通过构建自动化的攻击Agent，系统能模拟恶意输入→LLM推理→工具调用的完整攻击链，实现对目标Agent的污点式漏洞检测。实验在20个主流开源Agent中发现了34个

2026-07-22 14:24:53 383

原创网络安全领域简报（2026年7月14日—20日）

数据来源：优快云、FreeBuf、安全内参、奇安信CERT、CNVD、CISA KEV、GitHub、郑州市网络安全协会、软件供应链安全检测公共服务平台等简报日期：2026年7月20日。

2026-07-21 11:41:29 708

原创 Transformer + 多模态代码：实现语句级漏洞定位的新方法

摘要：针对现有漏洞检测方法在细粒度定位上的不足（如单模态局限、跨语句依赖缺失），哈工大团队提出一种基于Transformer的跨模态漏洞检测方法，融合源代码与汇编代码的细粒度对齐特征，实现语句级精准定位。核心创新包括：跨模态特征融合、双模态切片净化、Transformer长距离依赖建模。实验在SARD、FFmpeg等数据集上验证了其优越性（FPR≤0.2%，IOU指标领先），显著提升了从“漏洞存在性”到“漏洞位置”的检测能力。论文开源了双模态数据集，为多模态漏洞检测提供了新范式。

2026-07-18 08:05:41 338

原创 Agent 攻击 Agent：自动检测 LLM Agent 中的污点式漏洞

摘要：复旦大学团队在2025年USENIX安全研讨会上提出了一种自动化检测LLM-based Agent安全漏洞的方法（AgentFuzz）。该研究针对LLM Agent特有的污点式漏洞（如恶意提示注入、工具滥用等），首创"攻击Agent对抗目标Agent"的检测框架，通过自动生成攻击提示、跟踪污点传播路径，实现了对20个热门开源Agent的安全测试。实验显示，该方法发现34个高危0day漏洞（含23个CVE），检测效率较现有技术提升33倍。该工作为动态黑盒环境下的Agent安全分析提

2026-07-17 10:04:02 654

原创机器人领域简报（2026年7月9日—16日）

2026年7月人形机器人行业迎来爆发期：特斯拉Optimus Gen3正式定型冲刺量产，目标年底周产2500台；优必选U1超仿生机器人以99万元顶配价斩获1.3万订单，突破"恐怖谷效应"；逐际动力完成近2亿美元Pre-IPO轮，估值达150亿元。工信部预测2026年中国年产量将突破10万台，供应链进入"7天交付"时代，绿的谐波产能提升120%。国际方面，无界动力K15成为全球首个获工业级CE认证的机器人，近1亿美元订单发往欧洲。行业呈现三大趋势：量产竞赛白热化、消费市

2026-07-16 08:48:43 492

原创 GenHuzz：生成式模型驱动的硬件模糊测试新范式

GenHuzz论文摘要：本文提出GenHuzz，一种结合生成式语言模型与强化学习的硬件模糊测试框架，用于高效检测硬件漏洞。相比传统方法依赖随机指令生成，GenHuzz通过三阶段流程（模型初始化、强化学习优化、参考模型比对）自动学习指令语义并生成高质量测试程序。实验在RISC-V内核测试中，其覆盖率显著优于基线方法，并发现10个新漏洞。研究表明，AI驱动的学习型测试能更有效探索复杂硬件状态空间，为硬件安全验证提供新方向。

2026-07-15 08:41:45 357

原创大模型真的会找漏洞吗？一次系统性实测揭示真实能力

摘要：论文《Benchmarking LLMs and LLM-based Agents in Practical Vulnerability Detection for Code Repositories》系统评估了大型语言模型（LLM）及基于LLM的智能代理在真实代码仓库漏洞检测中的表现。研究团队构建了包含1,758个样本的真实漏洞基准测试集（JITVUL），涵盖91种CWE类型，对比了普通LLM、依赖增强LLM和ReAct代理三类方法的检测效果。

2026-07-14 09:30:38 250

原创 AI行业简报（2026年7月7日—7月13日）

据Sense Tower数据，OpenAI的ChatGPT在全球AI助手市场份额首次跌破50%，大模型市场从"一超"转向"多强竞争"格局。南方电网基于"大瓦特"模型体系的"大瓦特·云睿"智能体和电力具身大模型驱动机器人，从全球400份申报案例中脱颖而出，斩获"创新扩大影响"优秀案例奖。我国正式推出第十六批外语词中文译名：AGI=通用人工智能，GAI=生成式人工智能，LLM=大语言模型，AIGC=人工智能生成内容，GAN=生成式对抗网络，为行业术语规范化奠定基础。：$1/$6，主打速度和低成本。

2026-07-13 11:01:44 772

原创信息流驱动模糊测试：Information Flow Fuzzing 如何发现隐蔽信息泄露

德国航空航天中心团队在2025年USENIX安全研讨会上提出FlowFuzz创新方法，通过将信息流分析融入模糊测试，有效检测软件系统中的隐蔽信息泄露漏洞。该方法突破传统模糊测试以崩溃为导向的局限，实现三步核心机制：敏感源标记、动态污点跟踪和流导向变异，使模糊测试具备语义感知能力。实验表明，FlowFuzz在10个C语言项目中成功检测出所有信息泄露漏洞，性能显著优于传统地址检测器。

2026-07-12 12:50:22 313

原创语义感知的二进制大模型：SABLM-VD 如何提升漏洞检测能力

SABLM-VD提出一种语义感知的二进制语言模型，用于解决二进制漏洞检测中因缺乏高层语义、编译优化及跨架构差异导致的挑战。该模型通过语义增强表示、大规模预训练和结构感知建模，从底层指令中学习真实程序语义，显著提升漏洞检测精度。实验表明，SABLM-VD在NVD和SARD数据集上的F1分数优于基线方法，跨架构泛化能力突出，特征可视化进一步验证其语义区分优势。研究为二进制安全分析提供了新思路，即通过语义理解突破传统模式匹配的局限。

2026-07-11 15:44:43 576

原创网络安全领域简报（2026年7月3日—10日）

本周网络安全形势严峻：Linux内核惊现潜伏16年的KVM虚拟机逃逸漏洞(CVE-2026-53359)，可导致云环境同物理机租户数据泄露；Adobe ColdFusion补丁发布2小时即遭武器化(CVE-2026-48282)，创年度最快武器化纪录；GitHub AI工作流曝GitLost漏洞，可通过提示注入窃取私有仓库数据。关键事件包括：腾达5款路由器固件预置后门(CVE-2026-11405)、首个AI勒索软件Jade Puffer完成端到端攻击、微软AI红队通过4个低危漏洞串联突破Copilot防

2026-07-10 15:39:45 808

原创分层语义理解代码：Hierarchical Transformer 如何提升缺陷预测

摘要：针对软件缺陷预测中源码结构信息被忽略的问题，燕山大学团队提出分层Transformer网络（HTN），通过自底向上的层次化建模（词法→语句→函数）显式捕捉代码结构化语义。实验表明，HTN在CodeXGLUE和CWE数据集上AUC-ROC分别提升8.47%和4.84%，推理效率提高2.75倍，内存消耗降低36.9%。该研究突破了传统序列化建模局限，为代码语义理解提供了新思路，推动缺陷预测从“文本处理”转向“结构理解”。

2026-07-09 10:17:19 1255

机器学习漏洞检测的图数据集制作脚本

漏洞检测-机器学习-VulnPatchPairs 数据集

空空如也