Fighting Against XSS Attacks: A Usability Evaluation of OWASP ESAPI Output Encoding
跨站脚本（XSS）是Web应用程序中存在的最严重的漏洞之一。XSS可以通过对加载到Web应用程序的浏览器内容中的不受信任的数据进行编码来防止。安全应用程序编程接口（API），如OWASP ESAPI，为程序员提供输出编码功能，以保护其应用程序免受XSS攻击。然而，XSS仍然被列为Web应用程序中最关键的漏洞之一，这表明程序员没有有效地使用这些API来编码不受信任的数据。因此，我们与10名程序员进行了一项实验研究，他们试图使用OWASP ESAPI的输出编码功能修复Web应用程序的XSS漏洞。结果显示程序员犯了3种类型的错误，导致他们无法通过删除XSS漏洞来修复应用程序。我们还确定了OWASP ESAPI的16个可用性问题。我们发现这些可用性问题中的一些是程序员犯错误的原因。基于这些结果，我们提供了如何提高输出编码API的可用性的建议，以给程序员提供更好的体验。
2018-10-01 cs.CR
From Documentation to Zero-day Vulnerabilities: LLM-Driven Fuzzing of JavaScript Engines in PDF Readers
University of California, Santa Barbara（加州大学圣塔芭芭拉分校）；Boston University（波士顿大学）
针对现有PDF阅读器模糊测试工具的局限，提出基于LLM的PDFuzzer，生成复杂API调用序列，在三款主流阅读器上覆盖率提升48%，识别31个零日漏洞并获厂商漏洞赏金。
2026-08-20 cs.CR cs.SE
The Fault in Our Drafts: Vulnerabilities in RPKI Specification and Software
ATHENE – National Research Center for Applied Cybersecurity（ATHENE 国家应用网络安全研究中心）；Goethe-Universität Frankfurt（法兰克福歌德大学）；Fraunhofer SIT（弗劳恩霍夫信息安全研究所）；TU Darmstadt（达姆施塔特工业大学）
本文首次全面分析了 RPKI RFC 规范缺陷与实现及部署漏洞之间的因果关系，通过差分模糊测试、全网爬取和验证日志分析，发现了 61 个验证行为不一致、23 个直接源于 RFC 缺陷以及两个 CVE 漏洞，并提出了缓解建议和实时告警服务。
2026-05-26 cs.CR
Security Knowledge-Guided Fuzzing of Deep Learning Libraries
提出Orion模糊测试工具，结合引导式与边界情况输入生成，基于历史漏洞根因构建规则，在TensorFlow和PyTorch上检测出135个漏洞，其中76个已确认，显著优于现有模糊测试工具。
2023-12-24 cs.CR cs.SE
APILOT: Navigating Large Language Models to Generate Secure Code by Sidestepping Outdated API Pitfalls
针对LLMs因更新成本高而易推荐含过时API的不安全代码问题，提出APILOT方案，通过维护实时过时API数据集并利用增强生成方法引导模型生成安全代码，在7个模型上平均减少89.42%过时推荐并提升27.54%可用性。
2024-09-25 cs.CR
A Systematic Study of Android Non-SDK (Hidden) Service API Security
Android允许应用通过系统服务助手与其系统服务通信，以便这些应用可以使用系统服务提供的各种功能。同时，系统服务依赖于其服务助手来执行安全检查以提供保护。不幸的是，服务助手中的安全检查可能会通过直接利用非SDK（隐藏）API而被绕过，从而降低稳定性并造成严重的安全威胁，例如权限提升，自动执行功能而无需用户交互，崩溃和DoS攻击。Google已经提出了各种方法来解决这个问题，例如，逐个修复bug，甚至提出黑名单来阻止所有非SDK API。然而，开发人员仍然可以找到利用这些隐藏的API来规避非SDK限制的新方法。在本文中，我们系统地研究了由于隐藏的API利用漏洞，并分析了谷歌的对策的有效性。我们的目标是回答在最新的Android 12中是否仍然存在可被利用的易受攻击的隐藏API。我们开发了一个名为ServiceAudit的静态分析工具来自动挖掘服务助手类和隐藏的服务API之间不一致的安全执行。我们将ServiceAudit应用于Android 6~12。我们的工具发现了Android 6中的112个漏洞，其精度高于现有方法。此外，在Android 11和12中，我们发现了超过25个具有不一致保护的隐藏API;然而，在Android 11中，只有一个易受攻击的API会导致严重的安全问题，并且它们都不能在Android 12上工作。
2022-03-17 cs.CR
NatiDroid: Cross-Language Android Permission Specification
Android系统通过权限实施来管理对敏感API的访问。应用程序（app）必须在调用特定Android API之前声明适当的权限。但是，到目前为止，还没有官方文档提供受权限保护的API的完整列表和相应的权限。研究人员花费了大量精力从Android API框架中提取此类API保护映射，该框架利用静态代码分析来确定在访问API之前是否需要特定权限。然而，他们中没有一个试图分析本机库中的保护映射（即，用C和C++编写的代码），这是Android框架的一个重要组件，负责处理与较低级别硬件（如摄像头和传感器）的通信。虽然保护映射可用于检测Android应用程序中的各种安全漏洞，例如权限过度特权和组件劫持，但不精确的映射将导致检测此类安全漏洞的错误结果。为了填补这一空白，我们开发了一个原型系统，名为NatiDroid，以促进跨语言的静态分析基准对两个国家的最先进的工具，称为Axplorer和Arcade。我们在超过11，000个Android应用程序上评估NatiDroid，包括来自自定义Android ROM的系统应用程序和来自Google Play的第三方应用程序。我们的NatiDroid可以识别多达464个新的API权限映射，与Axplorer和Arcade的最坏情况结果形成鲜明对比，其中大约71%的应用程序在权限过度特权方面至少有一个误报，高达3.6%的应用程序在组件劫持方面至少有一个…
2021-11-16 cs.CR
KubeFence: Security Hardening of the Kubernetes Attack Surface
本文提出 KubeFence，通过分析受信任的 Kubernetes Operators 配置文件实现针对客户端工作负载的细粒度 API 过滤，以限制 K8s API 不必要功能，从而显著减少攻击面并防止攻击。
2025-04-15 cs.CR
Example-Based Vulnerability Detection and Repair in Java Code
Java库JCA和JSSE提供了加密API以促进安全编码。当开发人员滥用某些API时，他们的代码容易受到网络攻击。为了消除这些漏洞，人们构建了通过模式匹配检测安全API滥用的工具。然而，大多数工具不（1）修复误用或（2）允许用户扩展工具的模式集。为了克服这两个限制，我们创建了Seader--一种基于示例的方法来检测和修复安全API滥用。给定一个示例<insecure，secure>代码对，Seader比较代码片段以推断任何API滥用模板和相应的修复编辑。根据推断出的信息，给定一个程序，Seader执行过程间静态分析来搜索安全API误用并提出定制的修复方案。为了进行评估，我们将Seader应用于28个<不安全，安全>代码对; Seader成功地推断出21个独特的API误用模板和相关修复。通过这些<vulnerability，fix>模式，我们将SEADER应用于一个有86个已知漏洞的程序基准测试。Seader以95%的准确率、72%的召回率和82%的F分数检测到漏洞。我们还将Seader应用于100个开源项目，并手动检查了77个建议的修复;其中76个修复是正确的。Seader可以帮助开发人员正确使用安全API。
2022-04-28 cs.CR cs.SE
CryptoGuard: High Precision Detection of Cryptographic Vulnerabilities in Massive-sized Java Projects
密码API的滥用，如暴露的秘密，可预测的随机数，脆弱的证书验证，严重威胁软件安全。自动筛选加密API调用的愿景是在1000个大小的（例如，Java程序并不新鲜。然而，由于在不影响分析质量的情况下减少假阳性的实际困难，这一目标尚未实现。最先进的加密API筛选解决方案不是为大规模操作而设计的。我们的技术创新是一套快速、高精度的切片算法。我们的算法通过识别语言特定的不相关元素来细化程序切片。在我们的实验中，这些改进将错误警报减少了76%到80%。在46个高影响力的大型Apache项目和6，181个Android应用程序上运行我们的工具CrytoGuard，产生了许多安全见解。我们的发现帮助多个流行的Apache项目强化了他们的代码，包括Spark、Ranger和Ofbiz。我们在这一领域的分析科学方面也取得了实质性进展，包括：i）手动分析了1，295个Apache警报，并确认了1，277个真阳性（98.61%的准确率），ii）创建了一个包含38个单元基本案例和74个单元高级案例的基准，iii）与包括CrySL，SpotBugs和Coverity在内的领先解决方案进行了深入比较。我们正在将CryptoGuard与软件保障市场（SWAMP）集成。
2019-03-27 cs.CR
OpenAPI Specification Extended Security Scheme: A method to reduce the prevalence of Broken Object Level Authorization
本文针对API安全头号漏洞BOLA，提出OAS ESS扩展安全方案及授权模块，分别从设计和开发层面引入声明式安全控制与对象级授权检查机制，帮助开发者降低BOLA发生率。
2024-06-03 cs.CR cs.PL
Assessing the Impact of Interface Vulnerabilities in Compartmentalized Software
最小特权分离将应用程序分解为仅限于访问它们所需的部分。当划分现有软件时，许多方法忽略了保护新的隔室间接口，尽管曾经是来自/去往可信组件的函数调用现在可能是来自恶意隔室的有针对性的攻击。这导致了一整类的安全漏洞：Combination Interface Vulnerabilities（CIV）。本文对CIV进行了深入的研究。我们对这些问题进行分类，并表明它们影响所有已知的划分方法。我们提出ConfFuzz，内存中的模糊专门检测CIV在可能的车厢边界。我们将ConfFuzz应用于一组25个流行应用程序和36个可能的隔间API，以发现629个漏洞的广泛数据集。我们系统地研究了这些问题，并提取了大量关于CIV的流行，其原因，影响以及解决它们的复杂性的见解。我们强调CIV在划分方法中的至关重要性，演示了在OpenSSL中提取隔离密钥的攻击，并发现了sudo中存在十年之久的漏洞。我们表明，除其他外，并不是所有的接口都以同样的方式受到影响，API的大小与CIV的流行程度无关，解决接口漏洞超越了编写简单的检查。我们总结了CIV感知车厢界面设计的指导方针，并呼吁更多的研究系统CIV检测和缓解。
2023-01-05 cs.CR
Automated Fuzzing Harness Generation for Library APIs and Binary Protocol Parsers
提出一种通过分析单元测试自动生成库API和二进制协议解析器模糊测试驱动程序的系统，并开发指标评估API的模糊测试价值以优先测试目标。
2023-07-02 cs.CR
Formal-Guided Fuzz Testing: Targeting Security Assurance from Specification to Implementation for 5G and Beyond
本研究提出形式化引导的模糊测试方法，结合形式化验证与模糊测试的优势，分层检测5G协议到软件栈的漏洞，在srsRAN平台发现61个漏洞，将计算成本从指数增长降为线性增长。
2023-07-20 cs.CR
Beyond Static Pattern Matching? Rethinking Automatic Cryptographic API Misuse Detection in the Era of LLMs
Zhejiang University（浙江大学）；University of Minnesota Twin Cities（明尼苏达大学双城分校）；Ant group（蚂蚁集团）
本文探讨了在大语言模型时代利用LLM进行密码API误用检测的新方法，通过改进检测策略和验证技术，显著提升了检测准确率，并发现新的漏洞。
2026-03-18 cs.CR
Characterizing Improper Input Validation Vulnerabilities of Mobile Crowdsourcing Services
移动众包服务（MCS）能够实现快速、经济的大规模数据采集，并在各种领域中找到应用。先前的研究表明，Foursquare和Waze（一种基于位置的导航MCS）容易受到不同类型的数据投毒攻击。这种攻击可能令人不安，甚至是危险的，特别是当它们被用来注入不正确的输入来误导用户时。然而，迄今为止，还没有对不当输入验证（IIV）漏洞的程度及其在跨域MCS中利用的可行性进行全面研究。在这项工作中，我们利用MCS通过移动应用程序与参与者进行交互的事实，设计了一个端到端反馈驱动的分析框架中体现的工具和新方法，我们使用该框架来研究五个不同领域中的10个流行的和以前未开发的服务。使用我们的框架，我们发送了数万个API请求，并自动生成输入值来表征其IIV攻击面。令人震惊的是，我们发现其中大多数（8/10）都存在严重的IIV漏洞，这些漏洞允许对手大规模发动数据投毒攻击：7400个伪造的API请求成功伪造了抢劫，枪击和其他危险事件的在线帖子，伪造了具有超自然速度和距离的健身活动。最后，我们讨论了易于实施和部署的缓解策略，可以大大减少IIV攻击面，并主张将其作为一种必要的补充措施，致力于可信的移动众包服务。
2021-10-19 cs.CR
AuthProbe: Specification-Driven, Multi-Identity Detection of Broken Object-Level Authorization in Recruitment API
Independent Researcher
AuthProbe是开源黑盒扫描器，基于OpenAPI规范，以多身份检测招聘API中对象级授权漏洞。能发现身份合法拥有的对象，检测跨身份读取、枚举等问题，在合成API上无误报，运行时间线性增长，以Apache 2.0许可发布。
2026-07-24 cs.CR cs.HC
On the security of modern Single Sign-On Protocols: Second-Order Vulnerabilities in OpenID Connect
OAuth是Web授权的新事实标准。OAuth的一个重要限制是它是为授权而不是身份验证而设计的。因此，使用OAuth进行身份验证会导致严重的漏洞，如Zhou et. [44]和Chen et.等[9]。OpenID Connect是在OAuth之上创建的，通过提供联合身份管理和用户身份验证来填补这一空白。OpenID Connect于2014年2月标准化，但Google，Microsoft，AOL和PayPal等领先公司已经在其Web应用程序中使用它[1]，[2]，[3]，[30]。在本文中，我们描述了OpenID Connect协议，并提供了第一次深入分析的关键功能之一：发现和动态注册扩展。我们提出了一类新的攻击OpenID连接，属于二阶漏洞的类别。这些攻击包括两个阶段：首先，注入有效载荷由合法应用程序存储。稍后，此有效载荷用于安全关键操作。我们的新攻击类别-称为恶意端点攻击-利用OpenID Connect扩展发现和动态注册。这些攻击会破坏用户身份验证，损害用户隐私，并启用服务器端请求伪造（SSRF），客户端代码注入和拒绝服务（DoS）。因此，当这些扩展以其目前的形式启用时，OpenID Connect协议的安全性无法得到保证。我们联系了OpenID Connect和OAuth规范的作者。他们承认我们的恶意端点攻击，并认识到需要改进规范[29]。我们目前正在讨论如何缓解现有的问…
2016-01-07 cs.CR
Breaking the Protocol: Security Analysis of the Model Context Protocol Specification and Prompt Injection Vulnerabilities in Tool-Integrated LLM Agents
本文分析了模型上下文协议的安全漏洞，提出MCPSec协议扩展以提升安全性，减少攻击成功率。
2026-01-24 cs.AI cs.CR
Deriving Semantics-Aware Fuzzers from Web API Schemas
Fuzzing --无论是生成输入还是改变输入--都在广泛的领域中发现了许多错误和安全漏洞。有状态和高度结构化的Web API对传统的模糊技术提出了重大挑战，因为执行反馈通常仅限于响应代码而不是代码覆盖率，并且感兴趣的漏洞除了显式错误之外还包括无声的信息泄露。我们的工具Schemathesis使用基于属性的测试工具，从OpenAPI或GraphQL格式的Web API模式中导出结构和语义感知模糊器。派生的模糊器可以合并到单元测试套件中或直接运行，有或没有最终用户定制的数据生成和语义检查。我们构建了迄今为止最全面的Web API模糊器评估，对16个真实世界的开源Web服务运行8个模糊器。在野外发现的OpenAPI模式有一个罕见的特征和复杂结构的长尾。在我们评估的工具中，Schemathesis是唯一一个处理超过三分之二的目标服务而没有致命内部错误的工具。图式发现1.4倍至4.5倍以上的独特的缺陷，分别为每个目标的第二个最好的模糊，是唯一的模糊发现缺陷的四个目标。
2021-12-20 cs.CR cs.SE
GraphQLer: Enhancing GraphQL Security with Context-Aware API Testing
Simon Fraser University（西蒙菲莎大学）；Forward Security
GraphQLer是一款开源GraphQL API安全测试框架，通过构建依赖图合成漏洞链，在多类API上的漏洞检测和覆盖率表现显著优于ZAP、EvoMaster等基线工具。
2026-08-05 cs.CR cs.SE
IRIS: LLM-Assisted Static Analysis for Detecting Security Vulnerabilities
提出IRIS神经符号方法，结合LLMs与静态分析进行全仓库推理以检测安全漏洞，在CWE-Bench-Java数据集上检测出55个漏洞并发现4个未知漏洞。
2025-04-06 cs.CR cs.PL cs.SE
CellSecInspector: Safeguarding Cellular Networks via Automated Security Analysis on Specifications
Utah State University（犹他州立大学）；Michigan State University（密歇根州立大学）；University of Maryland, Baltimore County（马里兰大学巴尔的摩县分校）
本文提出CellSecInspector框架，通过提取结构化状态-条件-动作表示，系统验证9个基础安全属性，发现43个漏洞，其中7个此前未报告。
2026-09-07 cs.CR
SPGNN-API: A Transferable Graph Neural Network for Attack Paths Identification and Autonomous Mitigation
本文提出SPGNN-API框架，利用可迁移图神经网络结合漏洞交互建模识别网络攻击路径，并通过主动调整防火墙规则和零信任策略实现自主威胁缓解，实验显示其最短路径识别准确率≥95%，潜在受破坏资产检测率达100%。
2023-11-22 cs.CR cs.NE cs.NI
Beyond Code Reasoning: A Specification-Anchored Audit Framework for Expert-Augmented Security Verification
Nyx Foundation（Nyx基金会）；Aichi Prefectural Aichi High School of Technology and Engineering（爱知县爱知科学技术高等学校）；Department of Physics, Kyoto University（京都大学物理学系）
本文提出SPECA框架，通过自然语言规范生成类型化安全属性，实现基于规范的审计，解决代码层面无法检测规范依赖漏洞的问题，提升安全验证的准确性和可解释性。
2026-04-29 cs.CR
On the Effectiveness of Instruction-Tuning Local LLMs for Identifying Software Vulnerabilities
KAIST Cyber Security Research Center（韩国科学技术院网络安全研究中心）
本文提出通过指令微调本地LLM来提升软件漏洞识别效果，替代依赖API的大型模型，实现更高效、安全的漏洞管理。
2025-12-23 cs.AI cs.CR
Code-Augur: Agentic Vulnerability Detection via Specification Inference
National University of Singapore（新加坡国立大学）
提出安全规约优先范式，通过显式化智能体假设并运行时反证，结合引导式模糊测试提升漏洞检测能力，在真实项目中比现有智能体检测更多漏洞。
2026-06-18 cs.AI cs.CR cs.SE
Practical Attacks Against Privacy and Availability in 4G/LTE Mobile Communication Systems
移动通信系统现在构成全世界生活的重要部分。正在部署第四代“长期演进”（LTE）移动通信网络。LTE规范套件被认为不仅在功能方面而且在用户的安全性和隐私方面都明显优于其前身。我们仔细分析了LTE接入网络协议规范，发现了几个漏洞。使用商用LTE移动设备在真实的LTE网络中，我们证明了利用这些漏洞的廉价，实用的攻击。我们的第一类攻击包括三种不同的方式，使LTE设备泄漏其位置：半被动攻击者可以在城市内的2个区域内定位LTE设备，而主动攻击者可以通过蜂窝塔信号强度信息使用GPS坐标或三边测量精确定位LTE设备。sq.km第二类攻击可以持续拒绝向目标LTE设备提供部分或全部服务。据我们所知，我们的工作构成了第一个公开报道的针对LTE接入网络协议的实际攻击。我们提出了几种对策来抵御我们的特定攻击。我们还讨论了可能的权衡，可以解释为什么这些漏洞存在，并建议安全裕度引入到未来的规范，以解决这种权衡应纳入更大的灵活性，以适应随后的变化，在权衡平衡。
2017-08-07 cs.CR
Rethinking Broken Object Level Authorization Attacks Under Zero Trust Principle
针对RESTful API中首要漏洞BOLA，提出基于零信任原则的防御框架BOLAZ，利用静态污点追踪分析资源ID数据流以精确识别授权边界，并在10个项目中验证了其有效性及发现的35个新漏洞。
2025-07-15 cs.CR
Security-First Approach to API Pipeline Development with Zero-Trust Architecture
Microsoft Corporation（微软公司）；Palo Alto Networks（帕洛阿尔托网络公司）
针对API攻击激增和漏洞利用加速的现状，提出一种结合零信任架构和DevSecOps的五支柱安全优先框架，通过治理、设计、测试、管道控制和运行时防护，显著减少安全事件和发布后漏洞。
2026-06-08 cs.CR cs.SE
AndroScanner: Automated Backend Vulnerability Detection for Android Applications
Georgia Institute of Technology（佐治亚理工学院）
本文提出AndroScanner，通过静态与动态分析结合的方法，检测Android应用后端漏洞，发现5个漏洞，包括一个未报告的零日漏洞。
2026-04-15 cs.CR cs.NI cs.SE
Formally Discovering and Reproducing Network Protocols Vulnerabilities
本文提出NACT方法，结合可组合攻击者规范、形式化规范变异和随机约束求解技术，生成攻击场景与测试用例，有效发现并复现单协议及多协议交互中的网络协议漏洞。
2025-03-03 cs.CR cs.FL cs.NI
An AI Approach to Verified Production Cryptographic Libraries
Stanford University（斯坦福大学）；University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）；VMware Research by Broadcom（博通旗下VMware研究院）；Amherst College（阿默斯特学院）
本文提出基于AI的CryptoProver系统，可从API合约合成内部规范与Verus验证的证明，成功验证了支撑Signal等系统的curve25519-dalek和RustCrypto的chacha20实现，遵循信任优先设计原则。
2026-10-19 cs.AI cs.CR
Uncovering and Exploiting Hidden APIs in Mobile Super Apps
本研究针对移动超级应用中存在的无文档、不安全隐藏API风险，开发结合静态与动态分析的APIScope工具，在五款热门超级应用中发现大量可被利用的隐藏API并验证其安全危害，相关漏洞已上报厂商并获部分修复。
2023-06-13 cs.CR
Java Components Vulnerabilities - An Experimental Classification Targeted at the OSGi Platform
OSGi平台在两个不同的应用领域发现了越来越多的兴趣：嵌入式系统和应用服务器。然而，该平台的安全属性几乎没有研究，这可能会阻碍其在生产系统中的使用。基于OSGi的应用程序的动态方面（可以在运行时扩展）使它们容易受到恶意代码注入的攻击，这一点尤为重要。因此，我们对OSGi平台进行了系统的审计，以便构建一个漏洞目录，该目录旨在引用源于核心规范的OSGi漏洞，以及与Java语言使用相关的行为。不考虑标准服务。为了支持这种审计，定义了一个半正式的漏洞模式，它可以唯一地描述每个漏洞的基本属性，在模式中包含详细描述，引用已知的安全保护，并跟踪利用漏洞的概念验证OSGi捆绑包的实现状态。在分析目录的基础上，建立了一个健壮的OSGi平台，并提出了改进OSGi规范的建议。
2007-07-27 cs.CR cs.OS
Evaluating Cryptographic API Misuse Detectors for Go
KTH Royal Institute of Technology（皇家理工学院）
本文研究Go语言中加密API误用检测，分析4种先进工具，识别14种误用类别，通过328个开源项目发现7473处漏洞，揭示误用分布及覆盖差异。
2026-04-27 cs.CR cs.SE
Demystifying RCE Vulnerabilities in LLM-Integrated Apps
本研究提出LLMSmith，通过静态分析与提示注入方法，系统检测并利用LLM集成框架及应用中的RCE漏洞，发现20个漏洞并验证攻击，提出缓解措施。
2025-02-27 cs.CR
Python Import as an Execution Boundary: An Empirical Study of Bugs, Vulnerabilities, and Analysis Gaps
Utah State University（犹他州立大学）
本研究通过ImportMine实证分析Python导入执行代码引发的缺陷与漏洞，发现多数初始化激活问题导致执行中断或高危漏洞，并构建了覆盖11种缺陷类型的基准ImportVulBench。
2026-09-15 cs.CR
An Investigation into Misuse of Java Security APIs by Large Language Models
University of Adelaide（阿德莱德大学）；CREST（CREST机构）；Cybersecurity CRC（网络安全合作研究中心）；CSIRO’s Data61（澳大利亚联邦科学与工业研究组织数据61部门）；Queensland University of Technology（昆士兰科技大学）
本文通过 5 个安全 API、48 个任务及每任务 30 次尝试，评估 ChatGPT 生成 Java 安全 API 代码的可信度，发现约 70% 实例存在误用。
2024-04-04 cs.CL cs.CR cs.CY
Automatic, Expressive, and Scalable Fuzzing with Stitching
Carnegie Mellon University（卡内基梅隆大学）
STITCH通过拼接技术实现自动、表达性强且可扩展的模糊测试，发现更多真实bug并提高精度。
2026-02-21 cs.CR cs.SE
Proactive Web Server Protocol for Complaint Assessment
漏洞发现与攻击注入对于服务器软件的安全威胁越来越大，在软件开发时，对软件进行功能测试。由于未意识到软件漏洞，因此在预发布之前，应对软件进行全面测试，不仅测试功能可靠性，还应测试安全流（或）漏洞。模糊器、故障注入、漏洞扫描器、静态漏洞分析器、运行时间预防机制和软件恢复等方法正在识别未打补丁的软件，这些软件可能面临安全威胁，从而解决“安全测试”问题。这些技术对于生成攻击是有用的，但不能扩展到新的攻击领域。该系统称为主动漏洞攻击注入工具，适用于添加新的攻击注入向量，使用工具的接口定义新的协议状态（或）规范的方法包括使用GUI的网络服务器协议规范，攻击生成器，攻击注入器，受害者注入器监视模块，受害者机器监视模块和攻击注入报告生成。该工具可以解决大多数漏洞（或）安全流。
2014-02-09 cs.CR cs.NI
Rethinking Image-Scaling Attacks: The Interplay Between Vulnerabilities in Machine Learning Systems
University of Wisconsin–Madison（威斯康星大学麦迪逊分校）；Vector Institute（向量研究所）
由于真实世界的图像大小不同，因此机器学习模型是包括上游图像缩放算法的更大系统的一部分。在本文中，我们调查的图像缩放过程和机器学习模型在基于决策的黑盒设置的漏洞之间的相互作用。我们提出了一种新的采样策略，使黑盒攻击利用漏洞的缩放算法，缩放防御，并最终机器学习模型在端到端的方式。基于这种伸缩感知攻击，我们揭示了大多数现有的伸缩防御在下游模型的威胁下是无效的。此外，我们根据经验观察到，标准的黑盒攻击可以显着提高其性能，利用脆弱的缩放过程。我们进一步证明了这个问题的商业图像分析API与决策为基础的黑盒攻击。
2022-06-19 cs.CR cs.LG
VulInstruct: Teaching LLMs Root-Cause Reasoning for Vulnerability Detection via Security Specifications
Peking University（北京大学）；Tsinghua University（清华大学）；Harbin Institute of Technology（哈尔滨工业大学）；New H3C Technologies Co., Ltd（新华三技术有限公司）
VulInstruct通过从历史漏洞中系统提取安全规范，指导LLMs进行漏洞检测，提升了漏洞识别的准确性和推理能力，实现了更高的F1分数和召回率。
2026-03-28 cs.CR cs.SE
Enhancing REST API Fuzzing with Access Policy Violation Checks and Injection Attacks
Erciyes University（埃尔齐耶斯大学）；Kristiania University College（克里斯蒂亚尼亚大学学院）；Beihang University（北京航空航天大学）；Oslo Metropolitan University（奥斯陆都市大学）
本文提出新型自动化或acles检测REST API访问策略违规及传统攻击，集成EvoMaster fuzzers，通过模糊测试发现安全问题。
2026-04-01 cs.CR cs.SE
Detection of Configuration Vulnerabilities in Distributed (Web) Environments
许多工具和库都可以用来构建和操作分布式Web应用程序。虽然操作环境的设置相对容易，但实践表明，其持续安全操作更难以实现，许多时候导致易受攻击的系统暴露在互联网上。经过验证的漏洞扫描器和验证工具代表了一种检测由缺失补丁或错误配置引起的安全漏洞的方法，但当前的方法主要围绕主机和操作系统的概念。本文提出了一种语言和方法的声明性规范和执行的机器可读的安全检查的集合更细粒度的系统组件依赖于彼此在分布式环境中。这种语言以现有标准为基础，促进安全利益攸关方之间创建和共享安全内容。我们的方法是例证的漏洞和相应的检查，在今天的互联网应用程序中常用的开源软件。
2012-07-12 cs.CR cs.SE
Multi-Agent Taint Specification Extraction for Vulnerability Detection
North Carolina State University（北卡罗来纳州立大学）；University of California, Santa Barbara（加州大学圣塔芭芭拉分校）；Boston University（波士顿大学）
SemTaint通过结合LLM语义理解和传统静态分析，提取定制化的污点规范以提升漏洞检测效果
2026-01-15 cs.CR cs.SE
Detecting Misuse of Security APIs: A Systematic Review
本文通过系统性文献综述分析69篇论文，梳理安全API的类型、误用形式、检测技术、性能度量与评估基准，并指出研究空白与未来方向。
2025-05-14 cs.CR cs.SE
A Framework for Formal Specification and Verification of Security Properties of the Android Permissions System
Android是一种广泛部署的操作系统，它采用基于权限的访问控制模型。Android的Android系统（APS）负责协调来自应用程序的资源请求。APS是Android安全机制的重要组成部分。APS设计中的失败可能会导致漏洞，允许恶意应用程序对资源进行未经授权的访问。研究人员采用形式化的方法来分析APS的安全属性。由于Android是不断发展的，我们打算设计和实现一个框架，正式规范和验证APS的安全属性。特别是，我们打算提出一个APS的行为模型，它代表Android 10中引入的非二进制、上下文相关的权限和Android 11中引入的临时权限。
2022-03-18 cs.CR cs.OS
PoCGen: Generating Proof-of-Concept Exploits for Vulnerabilities in Npm Packages
University of Stuttgart（斯图加特大学）；CISPA Helmholtz Center for Information Security（CISPA亥姆霍兹信息安全中心）
本文提出PoCGen，通过结合大语言模型和静态动态分析，自动生成并验证npm包漏洞的概念验证漏洞利用，成功率达77%，优于现有基线方法。
2026-06-28 cs.CR cs.SE
ContractFuzzer: Fuzzing Smart Contracts for Vulnerability Detection
去中心化的加密货币的特点是使用区块链在没有中央机构的网络上的同行之间转移价值。智能合约是在区块链共识协议之上运行的程序，使人们能够在最小化信任的同时达成协议。数以百万计的智能合约已经部署在各种分散的应用程序中。这些智能合约中的安全漏洞对其应用程序构成了重大威胁。事实上，以太坊平台上智能合约中的许多关键安全漏洞已经给用户造成了巨大的经济损失。在这项工作中，我们提出了ContractFuzzer，一种新颖的模糊器，用于测试以太坊智能合约的安全漏洞。ContractFuzzer基于智能合约的ABI规范生成模糊输入，定义测试预言机来检测安全漏洞，仪表EVM记录智能合约运行时行为，并分析这些日志以报告安全漏洞。我们对6991份智能合约进行了模糊处理，高精度地标记了超过459个漏洞。特别是，我们的fuzzing工具成功地检测到了导致6000万美元损失的DAO合约漏洞，以及导致3000万美元损失和价值1.5亿美元的以太币冻结的Parity Wallet漏洞。
2018-08-03 cs.CR cs.SE
Attacks on Third-Party APIs of Large Language Models
University of Cambridge（剑桥大学）；Indian Institute of Technology, Bombay（印度理工学院孟买分校）；University of Melbourne（墨尔本大学）；University College London（伦敦大学学院）；Macquarie University（麦考瑞大学）
本文提出了一种新的攻击框架，用于审查集成第三方服务的LLM平台的安全漏洞，并在广泛使用的LLM上识别出能隐蔽修改输出的现实恶意攻击，同时讨论了提升生态系统安全性的策略。
2024-04-24 cs.AI cs.CL cs.CR
Architecture and Its Vulnerabilities in Smart-Lighting Systems
工业4.0体现了这十年的重大技术变革之一。网络物理系统和物联网是这一变革中的两项核心技术，它们嵌入或连接传感器和执行器并与物理环境交互。然而，当构建组件并将组件互连到异构的多域\textit{Smart-*}系统架构时，这种系统的系统在努力保持可靠性和安全性方面受到额外的限制。本文提出了一种基于应用程序的，基于层的方法来进行离线安全分析，其灵感来自于设计科学，该设计科学融合了相关领域的专业知识。以智能照明系统为例，我们为用例创建了一个专用的统一分类法，并通过多个基于层的模型分析其分布式Smart-* 架构。我们从系统规范中获得潜在的攻击，在一个迭代和增量的过程中，并讨论由此产生的威胁和漏洞。最后，我们建议立即应对后者潜在的多域安全问题。
2021-09-19 cs.CR cs.SY eess.SY
