Toward Automated Security Risk Detection in Large Software Using Call Graph Analysis
University of North Texas(北德克萨斯大学);Red Hat(红帽)
针对人工威胁建模效率低易出错的问题,提出基于调用图聚类(密度算法+社区检测)的自动化威胁建模方法,经SFO案例验证可行,为云原生环境的可扩展半自动化威胁建模框架提供支撑。
2025-10-30 cs.CR cs.SE
DeepHider: A Covert NLP Watermarking Framework Based on Multi-task Learning
Hainan University(海南大学)
自然语言处理(NLP)技术已经在诸如情感分析等应用中显示出巨大的商业价值。但是NLP模型很容易受到盗版再分发的威胁,损害了模型所有者的经济利益。数字水印技术是保护自然语言处理模型知识产权的有效手段。现有的NLP模型保护主要从提高安全性和鲁棒性两个方面来设计水印方案,但这些方案的安全性和鲁棒性存在以下问题:(1)水印难以抵御攻击者的欺诈声明,在验证过程中容易被人或异常检测器检测到并阻止验证。(2)水印模型不能同时满足多种鲁棒性要求。针对上述问题,提出了一种基于深度模型过参数化和多任务学习理论的NLP模型水印框架。具体而言,通过建立隐蔽触发集实现水印模型的无感知验证,并设计了一种新型的辅助网络来提高水印模型的鲁棒性和安全性。在两个基准数据集和三个主流NLP模型上对该框架进行了评估,结果表明,该框架可以成功地验证模型所有权,具有100%的验证准确率和高级的鲁棒性和安全性,而不会影响主机模型的性能。
2022-11-18 cs.AI cs.CR
OpenSSF Scorecard: On the Path Toward Ecosystem-wide Automated Security Metrics
本研究针对开源软件安全监控需求,评估OpenSSF Scorecard自动化工具的适用性,对比npm与PyPI两大生态的安全实践与差距,推动生态级自动化安全指标建设。
2023-06-15 cs.CR
Why Should Adversarial Perturbations be Imperceptible? Rethink the Research Paradigm in Adversarial NLP
Tsinghua University(清华大学);University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Alibaba Group(阿里巴巴集团);Chongqing University(重庆大学)
文本对抗样本在NLP研究的多个子领域中发挥着重要作用,包括安全性,评估,可解释性和数据增强。然而,大多数工作混合了所有这些角色,模糊了安全角色的问题定义和研究目标,旨在揭示NLP模型的实际问题。本文对安全场景中文本对抗样本的研究范式进行了重新思考。我们讨论了以前工作中的不足之处,并提出我们的建议,面向安全的对抗性NLP(SoadNLP)的研究应该:(1)评估他们的安全任务的方法,以证明现实世界的关注;(2)考虑现实世界的攻击者的目标,而不是开发不切实际的方法。为此,我们首先收集、处理并发布一个安全数据集集合Advbench。然后,我们重新形式化的任务,并调整SoadNLP中不同目标的重点。接下来,我们提出了一种基于启发式规则的简单方法,可以很容易地实现实际的对抗目标来模拟现实世界的攻击方法。我们在Advbench上对攻击方和防御方进行了实验。实验结果表明,该方法具有较高的实用价值,表明SoadNLP的研究范式可以从我们的新基准开始。Advbench的所有代码和数据都可以在\url{https://github.com/thunlp/Advbench}上获得。
2022-10-19 cs.CL cs.CR cs.LG
A microservices-based endpoint monitoring platform with predictive NLP models for real-time security and hate-speech risk alerting
Federal Institute Sul-Rio-grandense (IFSUL)(南里奥格兰德联邦学院)
本文提出一个统一的微服务终端监控平台,结合预测NLP模型,实现实时安全和仇恨言论风险预警,通过模块化架构提升监控与安全分析能力。
2026-05-13 cs.CR
Automated Implementation of Windows-related Security-Configuration Guides
强化是指配置IT系统以确保系统组件及其处理或存储的数据的安全性的过程。然而,当代IT基础设施的复杂性使得手动安全加固和维护成为一项艰巨的任务。在许多组织中,SCAP(安全内容自动化协议)中表达的安全配置指南被用作加强的基础,但这些指南本身并没有提供自动实现所需配置的方法。在本文中,我们提出了一种方法来自动提取相关信息,从公开的安全配置指南Windows操作系统使用自然语言处理。在第二步中,使用存储在Windows管理模板文件中的可用设置的信息来验证提取的信息,其中定义了大多数Windows配置设置。我们表明,我们的实现这种方法可以提取和实现83%的规则,而无需任何手动工作和96%,以最小的手动工作。此外,我们对12个最先进的指南进行了研究,这些指南由2014年的自动检查规则组成,并表明我们的工具至少可以正确实现其中的97%。因此,我们大大减少了基于现有安全配置指南保护系统的工作。
2022-09-19 cs.CR cs.SE
Automated Testing of Broken Authentication Vulnerabilities in Web APIs with AuthREST
提出开源安全测试工具 AuthREST,通过自动化检测撞库、密码暴力破解及未检查令牌真实性等问题,有效提升 Web API 安全性,并成功在四个公共 API 中发现未知身份验证漏洞。
2025-09-12 cs.CR cs.SE
SPI: Automated Identification of Security Patches via Commits
开源软件中的安全补丁,为已识别的漏洞提供安全修复,对于防范网络攻击至关重要。尽管国家漏洞数据库(NVD)发布了已识别的漏洞,但绝大多数漏洞及其相应的安全补丁仍然无法公开,例如,开发者非常依赖的开源库中。一个广泛的安全补丁数据集可以帮助最终用户,如安全公司,建立安全知识库,或研究人员,例如,协助脆弱性研究。为了以大规模和低成本管理包括未公开补丁在内的安全补丁,我们提出了一种基于开源库提交的基于深度神经网络的方法。我们构建了安全补丁数据集,其中包括来自四个C库的38,291个安全相关提交和1,045个CVE补丁。我们手动验证38,291个与安全相关的提交中的每个提交,以确定它们是否与安全相关。我们设计了一个基于深度学习的安全补丁识别系统,该系统由两个神经网络组成:一个是提交消息神经网络,它利用从我们的提交数据集学习的预训练单词表示;另一个是代码修订神经网络,它在修订之前和之后获取代码,并学习语句级别上的区别。我们的评估结果表明,我们的系统优于SVM和K-折叠堆叠算法,实现高达87.93%的F1分数和精度为86.24%。我们在工业生产环境中部署了我们的管道和学习模型,以评估我们的方法的泛化能力。工业数据集由来自410个新库的298,917个提交组成,这些库的功能范围很广。我们的实验结果和观察证明,我们的方法可以有效地识别开源项目中的安全补丁。
2021-06-06 cs.CR cs.SE
Rethinking IoT Security: A Protocol Based on Blockchain Smart Contracts for Secure and Automated IoT Deployments
物联网设备在社会中的扩散需要重新关注这些系统的使用和维护。基于物联网的系统将对社会产生巨大影响,因此这些系统必须具有保证的弹性。我们引入了基于密码的构建块,努力确保分布式物联网网络在其整个生命周期中保持健康状态。我们提出的解决方案利用以太坊区块链上的确定性和相互关联的智能合约,为强化的物联网设备实施安全管理和维护。调查的一个关键问题是用于保护物联网设备部署的协议开发以及与设备安全通信的方法。通过支持开放性、自动化和来源的价值观,我们可以引入新的手段来减少监视和盗窃的威胁,同时提高运营商对物联网技术的责任感和信任度。
2020-07-06 cs.CR cs.SE
CloudSafe: A Tool for an Automated Security Analysis for Cloud Computing
云计算已被广泛采用,它提供按需计算资源,以提高性能并降低运营成本。然而,这些新功能也带来了利用云计算环境的新方法。为了评估云的安全性,可以使用图形安全模型,例如攻击图和攻击树。然而,现有的模型并没有考虑所有类型的威胁,而且自动化的安全评估功能是困难的。在本文中,我们提出了一个新的安全评估工具,云命名为CloudSafe,一个自动化的云安全评估。CloudSafe工具整理了各种工具和框架,以自动化安全评估过程。为了证明CloudSafe的适用性,我们在Amazon AWS上进行了安全评估,实验结果表明,我们可以有效地收集云的安全信息,并进行安全评估以生成安全报告。用户和云服务提供商可以使用CloudSafe生成的安全报告来了解正在使用/提供的云的安全状况。
2019-03-11 cs.CR
AIM: Automated Input Set Minimization for Metamorphic Security Testing
针对蜕变安全测试因输入集规模大导致测试效率低的问题,提出AIM方法,通过聚类、遗传算法和问题约简实现输入集最小化,在Jenkins和Joomla上可缩短80%以上测试时间且保持检测能力,漏洞覆盖率优于现有基线。
2024-10-24 cs.CR cs.SE
Empirical Review of Smart Contract and DeFi Security: Vulnerability Detection and Automated Repair
本文实证综述了智能合约与DeFi安全领域,将攻击归纳为六类,评估了42种漏洞检测技术和8种自动修复工具,并指出了未来需解决的开放问题。
2023-09-06 cs.CR cs.SE
Automated Big Traffic Analytics for Cyber Security
网络流量分析技术是网络安全系统的基石。我们通过三个流行的和当代的网络安全应用程序在入侵检测,恶意软件分析和僵尸网络检测展示其使用。然而,自动化流量分析面临着大流量数据带来的挑战。根据大数据的三个特征-量、多样性和速度,我们回顾了三种最先进的技术,以减轻关键挑战,包括实时流量分类、未知流量分类和分类器的效率。基于统计特征、未知发现和相关分析的新技术在处理大流量数据方面显示出了巨大的潜力。鼓励读者致力于提高网络安全中自动流量分析的性能和实用性。
2018-04-24 cs.CR
Poster: Towards an Automated Security Testing Framework for Industrial UEs
本文提出一个面向工业用户设备的自动化安全测试框架,旨在部署前全面评估其安全态势,验证高层安全协议(如TLS)的正确实现,并确保协议栈符合3GPP规范。
2025-05-22 cs.CR
Large-Scale (Semi-)Automated Security Assessment of Consumer IoT Devices -- A Roadmap
本文针对消费级物联网设备缺乏大规模系统性安全评估标准的问题,提出利用基于模型的测试与机器学习技术实现可扩展自动化安全评估的路线图。
2025-04-10 cs.CR
Automated Exploit and Security Test Generation: A Systematic Literature Review
Hamburg University of Technology(汉堡工业大学);University of Trento(特伦托大学);University of Szeged(塞格德大学);University of Salerno(萨莱诺大学);FrontEndART Ltd.(FrontEndART有限公司);Vrije Universitiet Amsterdam(阿姆斯特丹自由大学)
本文系统综述了自动化漏洞利用与安全测试生成技术,将其分为自动化漏洞利用生成、安全测试、模糊测试等四类,分析了技术特点与实践可用性,并指出公开可用工具较少。
2026-11-05 cs.CR cs.SE
Automating Cyber Threat Hunting Using NLP, Automated Query Generation, and Genetic Perturbation
Perspecta Labs, Inc.(Perspecta实验室);MIT CSAIL(麻省理工学院计算机科学与人工智能实验室)
扩大网络搜索问题带来了几个关键的技术挑战。在大型企业网中大规模检测和表征网络威胁是困难的,因为当对手部署各种不断变化的策略来实现其目标时,必须分析大量复杂的数据。有一个伟大的需要自动化的所有方面,事实上,网络狩猎的工作流程。AI提供了许多方法来支持这一点。我们开发了WILEE系统,通过将高级威胁描述转化为许多可能的具体实施,自动化网络威胁搜索。(高级)抽象和(低级)具体实现都使用自定义域特定语言(DSL)表示。WILEE使用这些实现以及其他逻辑(也是用DSL编写的)来自动生成查询,以确认(或反驳)与各个抽象层所表示的潜在对抗性工作流相关的任何假设。
2021-04-23 cs.AI cs.CR
Automated Validation of Security-sensitive Web Services specified in BPEL and RBAC (Extended Version)
我们正式的自动化分析技术的验证Web服务中指定的RBAC和定制的RBAC的变种。其思想是使用一阶逻辑的可判定片段来描述某类Web服务的状态空间,然后使用最先进的SMT求解器来处理其可达性问题。为了评估我们的方法的实际可行性,我们开发了一个原型工具来实现我们的技术,并将其应用于受工业案例研究启发的数字合同签署服务。
2010-09-07 cs.CR cs.LO cs.SE
Towards automated web application logic reconstruction for application level security
像Web应用程序防火墙(WAF)这样的现代覆盖安全机制无法识别自定义高级应用程序逻辑和数据对象,这导致低准确性、高误报率以及用于微调的过度手动工作。在本文中,我们提出了一种基于安全目的的Web应用程序建模方法,可以帮助下一代WAF适应特定的Web应用程序,并尽可能自动地进行建模。我们的目标是创建多层模型,充分模拟Web应用程序功能的各个方面,这是入侵检测和预防,包括请求解析和路由,动作和数据对象的重建,以及动作的相互依赖性。
2015-11-09 cs.CR
Assertain: Automated Security Assertion Generation Using Large Language Models
University of Florida(佛罗里达大学)
本文提出Assertain框架,通过RTL分析、CWE映射和威胁模型智能,利用大语言模型生成安全属性和可执行SystemVerilog断言,提升硬件安全验证效率与准确性。
2026-04-02 cs.CR
WebTrap Park: An Automated Platform for Systematic Security Evaluation of Web Agents
Fudan University(复旦大学);Shanghai Innovation Institute(上海创新研究院)
WebTrap Park通过自动化平台系统评估Web代理的安全性,揭示不同框架间的安全差异,强调架构重要性。
2026-01-13 cs.AI cs.CR
Design of an Automated Intrusion Detection System incorporating an Alarm
安全和安全是两个相互交织的概念。人们普遍认为,当一个地方或系统是安全的,它就是安全的。本文介绍了一种方法,集成三个设备的物理入侵检测。因此,本文提出了一种提高封闭区域安全水平的方法,使用四个安全层中的三个,以实现最佳安全。本文旨在表明,一个系统与一个以上的安全设备到位,往往防止未经授权的访问。本文件将说明在封闭区域实施这一点,该区域的安全级别必须始终保持在高水平。
2009-12-19 cs.CR
Teaching DevOps Security Education with Hands-on Labware: Automated Detection of Security Weakness in Python
本文设计基于污点追踪的 Python 安全弱点检测实操学习模块,通过实验前、实操和实验后环节提升学生对 DevOps 安全的兴趣与漏洞应对能力。
2024-04-03 cs.CR
RAN Tester UE: An Automated Declarative UE Centric Security Testing Platform
本文提出自动化、可扩展且以 UE 为中心的 RAN Tester UE 声明式安全测试框架,并在基于商用硬件与开源软件的 5G 软件无线电测试床上验证其测试流程的效率和可复现性。
2025-05-16 cs.CR cs.SE cs.SY
Automated Verification of Accountability in Security Protocols
问责制是安全协议设计中的一个新范式,旨在消除对各方的传统信任假设,并使他们对自己的不当行为负责。这意味着首先建立信任,并在这种信任受到侵犯时识别和做出反应。在这项工作中,我们讨论了一个协议不可知论定义的问责制:一个协议提供问责制(w.r.t.某些安全属性),如果它可以标识所有行为不端的各方,其中行为不端被定义为导致安全违规的协议偏离。我们提供了一个机械化的方法来验证问责制,并展示其用于验证和攻击发现各种例子的问责制和因果关系的文献,包括证书透明度和克罗尔负责算法协议。我们达到了高度的自动化表示问责制方面的一组跟踪属性,并显示其健全性和完整性。
2019-05-08 cs.CR
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
Automated analysis of security protocols with global state
需要保持事务状态的安全API、密钥服务器和协议需要保持全局的、非单调的状态,例如,以数据库或寄存器的形式。然而,大多数现有的自动化验证工具不支持这种有状态的安全协议的分析-有时是因为根本的原因,如编码的协议作为霍恩条款,这是固有的单调性。一个值得注意的例外是最近的tamarin prover,它允许将协议指定为多集重写(msr)规则,这是一种足以表达状态的形式主义。由于多集重写是一种“低级”规约语言,不直接支持并发消息传递,因此正确编码协议是一个困难且容易出错的过程。我们提出了一个进程演算,这是一个变种的应用π演算与构造操作的全局状态的进程并行运行。我们表明,这种语言可以被翻译为msr规则,同时保留所有的安全属性表示在一个专用的一阶逻辑的安全属性。翻译已经实现了一个原型工具,它使用的tamarin证明作为后端。我们将该工具应用于几个案例研究,其中包括PKCS\#11的简化片段,Yubikey安全令牌和乐观的合同签署协议。
2014-05-12 cs.CR
On the Security Vulnerabilities of Text-to-SQL Models
The University of Sheffield(谢菲尔德大学);North China University of Technology(北方工业大学);Amazon(亚马逊公司)
针对Text-to-SQL系统的安全测试表明,商业应用可被诱导生成恶意SQL,开源模型上的后门攻击成功率达100%,揭示NLP模型可成为真实攻击向量。
2024-05-11 cs.CL cs.CR cs.DB
Security of Connected and Automated Vehicles
交通系统正在快速发展,新的互联和自动驾驶汽车(CAV)技术将CAV与其他车辆和路边基础设施集成在网络物理系统(CPS)中。通过连接,CAV会影响其环境,反之亦然,增加了网络攻击面的规模和恶意行为者利用安全漏洞的风险。因此,更好地了解潜在的CAV-CPS网络攻击以及预防它们的方法是一个高度优先事项。在本文中,我们描述了CAV-CPS网络攻击表面和安全漏洞,并概述了潜在的网络攻击检测和缓解策略。我们研究了新兴技术-人工智能,软件定义网络,网络功能虚拟化,边缘计算,以信息为中心的虚拟分散网络,第五代(5G)蜂窝网络,区块链技术以及量子和后量子密码学-作为帮助保护CAV和交通基础设施免受现有和未来网络攻击的潜在解决方案。
2020-12-24 cs.CR
Why LLMs Fail: A Failure Analysis and Partial Success Measurement for Automated Security Patch Generation
University of Passau(帕绍大学)
本研究分析了LLM在生成安全补丁时的失败原因,指出其在安全性和功能上的不足,并提出安全修复评分以量化这一差距。
2026-03-10 cs.AI cs.CR
IoT Sentinel: Automated Device-Type Identification for Security Enforcement in IoT
随着物联网(IoT)的快速发展,对IoT设备安全性的担忧变得突出。一些供应商正在为家庭和小型办公室网络生产IP连接设备,这些设备通常存在安全设计和实施缺陷。它们还往往缺乏固件更新或补丁的机制,这些机制可以帮助消除安全漏洞。保护存在此类易受攻击设备的网络需要棕地方法:在网络内应用必要的保护措施,以便潜在易受攻击的设备可以共存,而不会危及同一网络中其他设备的安全。在本文中,我们介绍了IOT SENTINEL,这是一种能够自动识别连接到物联网网络的设备类型的系统,并能够强制执行限制易受攻击设备通信的规则,以最大限度地减少因其危害而造成的损害。我们表明IOT SENTINEL在识别设备类型方面是有效的,并且具有最小的性能开销。
2016-12-13 cs.CR
Toward Automated Potential Primary Asset Identification in Verilog Designs
本文提出一种自动化方法,通过分析三个 IP 系列开源硬件设计中的结构性模式与共性,初步识别 Verilog 设计中的潜在主要安全资产,以减少人工搜索空间并支持下游安全分析。
2025-02-07 cs.CR
An Automated Analyzer for Financial Security of Ethereum Smart Contracts
针对以太坊智能合约财务安全难以大规模精确分析的问题,提出 FASVERIF 自动化分析器,自动生成验证模型与安全属性,并在漏洞数据集上展现出更高准确性和覆盖度。
2023-03-24 cs.CR
Autosploit: A Fully Automated Framework for Evaluating the Exploitability of Security Vulnerabilities
Ben-Gurion University of the Negev(内盖夫本-古里安大学);NEC Corporation(日本电气公司)
系统中存在安全漏洞并不一定意味着它可以被利用。在这项研究中,我们介绍了Autosploit -一个自动化的框架,用于评估漏洞的可利用性。给定易受攻击的环境和相关漏洞,Autosploit将自动在环境的不同配置上测试漏洞,以确定成功利用现有漏洞所需的特定属性。由于测试所有可能的系统配置是不可行的,我们引入了一个有效的方法来测试和搜索所有可能的配置环境。Autosploit实现的高效测试过程基于两种算法:广义二进制分裂和Barinel,分别用于无噪声和噪声环境。我们实现了所提出的框架,并使用真正的漏洞进行评估。结果表明,Autosploit能够自动识别影响在无噪声和噪声环境中利用漏洞的能力的系统属性。这些重要结果可用于更准确和有效的风险评估。
2020-06-30 cs.AI cs.CR cs.SE
argXtract: Deriving IoT Security Configurations via Automated Static Analysis of Stripped ARM Binaries
最近对物联网(IoT)的高调攻击已经将“智能”设备的脆弱性带到了最前沿,并导致了许多以IoT为重点的安全分析。许多攻击的根本原因是设备配置薄弱。有关IoT设备配置的丰富和明确信息的一个潜在来源是设备的固件。然而,固件分析是复杂的,并且自动化固件分析迄今为止仅限于具有更传统的操作系统(诸如Linux或Linux Works)的设备。由于缺乏传统的操作系统和实施各种通信技术,大多数物联网外围设备只是小规模分析的对象。由于此类固件文件主要以剥离的二进制文件形式提供,没有可以简化逆向工程的ELF标头和符号表,因此外围固件分析变得更加复杂。在本文中,我们介绍了argXtract,一个开源的自动化静态分析工具,它从剥离的物联网外围固件中提取安全相关的配置信息。具体来说,我们专注于针对ARM Cortex-M架构的二进制文件,因为它在物联网外设中越来越受欢迎。argXtract克服了与剥离的Cortex-M分析相关的挑战,能够检索与安全相关的管理程序和函数调用的参数,从而实现对固件文件的自动批量分析。我们通过三个真实世界的案例研究来证明这一点。最大的案例研究涵盖了针对Nordic Semiconductor芯片组的243个蓝牙低功耗二进制文件的数据集,而另外两个案例研究则侧重于Nordic ANT和STMicroelectronics BlueNRG二进制文件。结果显示,物联网普遍缺乏安全和隐私…
2021-05-07 cs.CR
An Automated Security Analysis Framework and Implementation for Cloud
云服务提供商为其客户提供按需且经济高效的服务、可扩展计算和网络基础设施。企业将其服务迁移到云以利用云计算的好处,例如消除其计算需求的资本支出。云中存在安全漏洞和威胁。许多研究已经提出了使用图形安全模型(GSM)和安全度量来分析云安全。此外,它已经被广泛研究,为云的安全性找到适当的防御策略。移动目标防御(MTD)技术可以利用云的弹性特性改变攻击面,迷惑攻击者。以前的大部分工作,将MTD到GSM的理论和性能进行了评估的基础上的模拟。在本文中,我们实现了上述框架,并设计,实现和测试一个云安全评估工具在一个真正的云平台名为UniteCloud。我们的安全解决方案可以(1)实时监控云计算,(2)自动化安全建模和分析,并通过Web应用程序使用图形用户界面可视化GSM,以及(3)在真实的云基础设施上部署三种MTD技术,包括多样性,冗余和洗牌。我们使用API分析了自动化过程,并展示了在UniteCloud上自动部署所有三种MTD技术的实用性和可行性。
2019-04-03 cs.CR
DualGauge: Automated Joint Security-Functionality Benchmarking of Specification-Only Code Generation by LLMs and Coding Agents
University at Buffalo, SUNY(布法罗大学)
提出DualGauge框架,首个自动化联合评估规范代码正确性与安全性的系统,通过307个任务基准测试发现功能正确性高估可靠代码生成,联合成功率低于15%,且模型因素和代理系统均无法可靠提升。
2026-10-30 cs.AI cs.CR cs.SE
CPE-Identifier: Automated CPE identification and CVE summaries annotation with Deep Learning and NLP
ST Engineering(科技工程公司)
针对NVD中CPE与CVE摘要关联耗时的问题,提出CPE-Identifier系统,利用深度学习与NLP自动识别CPE实体,F1达95.48%,性能优于先前工作9%以上。
2024-05-22 cs.AI cs.CL cs.CR
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
Securing Automated Insulin Delivery Systems: A Review of Security Threats and Protective Strategies
College of Computing and Data Science, Nanyang Technological University(南洋理工大学计算与数据科学学院)
本文综述了自动化胰岛素输送系统面临的安全威胁及防护策略,指出现有安全评估框架不足,需发展轻量级和适应性强的防御机制以提升系统安全性。
2026-01-19 cs.CR
Isadora: Automated Information Flow Property Generation for Hardware Designs
Isadora是一种用于创建硬件设计的信息流规范的方法。该方法结合了信息流跟踪和规范挖掘,以产生一组信息流属性,这些属性适合在安全验证过程中使用,并支持更好地理解设计的安全态势。Isadora完全自动化;用户仅提供所考虑的设计和测试台,而不需要提供威胁模型或安全规范。我们在RISC-V处理器上评估了Isadora,以及两个与SoC访问控制相关的设计。Isadora生成的安全属性与常见弱点枚举(CWE)建议的安全属性一致,并且在SoC设计的情况下,与安全专家手动编写的属性一致。
2021-10-02 cs.AR cs.CR
Towards automated formal security analysis of SAML V2.0 Web Browser SSO standard -- the POST/Artifact use case
University of Zagreb(萨格勒布大学)
本文通过Tamarin证明器对SAML V2.0 SP发起的SSO与POST/Artifact绑定用例进行了全面的形式安全分析,验证了多个关键安全属性并识别了潜在漏洞。
2026-01-20 cs.CR
How Safe Are AI-Generated Patches? A Large-scale Study on Security Risks in LLM and Agentic Automated Program Repair on SWE-bench
Drexel University(德雷塞尔大学);Virginia Commonwealth University(弗吉尼亚共同wealth大学)
本研究评估了LLM和代理框架生成补丁的安全性,发现LLM引入新漏洞,代理工作流在自主权高时也产生漏洞,需考虑上下文因素进行风险评估。
2026-11-03 cs.CR cs.LG cs.SE
Semi-Automated Detection of Gaps in LLM Security Knowledge
Northeastern University(东北大学)
研究旨在实现大语言模型安全知识自动化测试,引入利用消费者保护机构权威信息识别LLM响应不稳定性的部分自动化方法,通过对身份盗窃和冒名顶替诈骗主题及Gemini和GPT家族中5个LLMs进行测试,可区分模型安全知识充足与否。
2026-09-23 cs.AI cs.CR cs.HC
A Hybrid LLM-Based Framework for Automated Security Annotation Generation in Business Process Models
CentraleSupélec(中央高等电力学院);Université Paris-Saclay(巴黎-萨克雷大学);University of Bergamo(贝加莫大学);University of Klagenfurt(克拉根福大学)
该研究提出一种混合LLM与规则的框架,输入BPMN模型和安全需求文档,自动生成符合SecBPMN2规范的安全标注,在27个流程模型数据集上验证,其准确率优于人工分析师,提升效率与可靠性。
2026-08-17 cs.AI cs.CR cs.SE
ASEval: Automated Trajectory-Level Security Testing for Autonomous Agents
Tsinghua University(清华大学)
本文提出了一种针对基于大语言模型(LLM)的代理系统的多维规避框架,通过引入时间、空间和语义三种隐蔽攻击向量,系统地量化了这些威胁,并展示了其在实际威胁场景中的效果,揭示了现有自主代理系统在架构层面的系统性漏洞。
2026-07-27 cs.AI cs.CR cs.SE
Semantic Ranking for Automated Adversarial Technique Annotation in Security Text
提出基于多阶段排序架构的方法,从威胁情报文本中提取结构化威胁行为,在零样本设置下性能优于大型语言模型,top-3召回率达81%。
2024-03-25 cs.CR
GlucOS: Security, correctness, and simplicity for automated insulin delivery
University of California, Davis(加州大学戴维斯分校)
GlucOS是一个用于自动化胰岛素输送的可信系统,通过新颖架构和整体安全机制,实现个性化剂量管理并抵御恶意模型,实际部署与模拟验证了其安全性和血糖控制改善效果。
2025-10-27 cs.CR
Modeling the Interdependent Coupling of Safety and Security for Connected and Automated Vehicles: A Copula-Based Integrated Risk Analysis Approach
本文提出基于Copula的综合风险分析方法,用于建模连接与自动化车辆中安全与安全的相互依赖耦合,通过动态故障模型量化两者耦合效应,并提供理论框架指导协同设计。
2025-12-13 cs.CR
AutoTestForge: A Multidimensional Automated Testing Framework for Natural Language Processing Models
Xidian University(西安电子科技大学);University of Southampton(南安普顿大学)
本文提出AutoTestForge框架,利用大语言模型自动生成测试用例并通过多模型投票保证质量,从分类法、公平性和鲁棒性三个维度评估NLP模型,在情感分析和语义文本相似度任务上取得了优于现有工具的错误检测率。
2025-03-07 cs.CL cs.CR cs.SE
Towards the Automated Verification of Cyber-Physical Security Protocols: Bounding the Number of Timed Intruders
时间入侵者模型被提出来验证网络物理安全协议(CPSP),修改了传统的Dolev-Yao入侵者以遵守环境的物理限制。由于要学习消息,定时入侵者需要等待消息到达,因此发起攻击可能取决于定时入侵者的位置。很可能出现这样的情况,即在存在大量入侵者的情况下,没有攻击,但在存在少量处于适当位置的入侵者的情况下,存在攻击。因此,CPSP自动化验证的一个主要挑战是确定使用多少定时入侵者以及将它们放置在何处。本文通过证明使用与参与者数量相同的定时入侵者数量就足够了来回答这个问题。我们还报告了一些初步的实验结果,发现在CPSP攻击。
2016-05-27 cs.CR cs.LO
Unintentional Security Flaws in Code: Automated Defense via Root Cause Analysis
University of Texas at San Antonio(德克萨斯大学圣安东尼奥分校)
本文针对初级开发者难以定位漏洞根因的问题,提出结合 T5 与图卷积网络的自动化根因分析工具 T5-RCGCN,实验表明其可将代码安全性提升 28.9%,并促进开发者长期安全能力成长。
2024-08-30 cs.CR cs.LG cs.SE
Automated U.S Diplomatic Cables Security Classification: Topic Model Pruning vs. Classification Based on Clusters
美国政府一直是来自世界各地的网络攻击的目标。就在最近,前总统奥巴马指责俄罗斯政府向维基解密泄露电子邮件,并宣布美国可能被迫做出回应。虽然俄罗斯否认参与其中,但很明显,美国必须采取一些防御措施来保护其数据基础设施。内部威胁也是其他敏感信息泄露的原因,包括臭名昭著的爱德华·斯诺登事件。最近的大部分泄漏都是以文本的形式。由于文本数据的性质,安全分类是手动分配的。在一个对抗性的环境中,内部人员可以通过电子邮件、打印机或任何不受信任的渠道泄露文本。最佳防御是自动检测非结构化文本安全类,并在不降低服务或日常任务质量的情况下实施适当的保护机制。不幸的是,现有的数据泄漏防护(DLP)系统并不适合检测非结构化文本。在本文中,我们比较了最近的两种方法在文献中的文本安全分类,评估他们的实际敏感文本数据从维基解密数据集。
2017-03-07 cs.CR
ORCA - An Automated Threat Analysis Pipeline for O-RAN Continuous Development
University of Passau(帕绍大学);University of Padova(帕多瓦大学);Institute for the Wireless Internet of Things, Northeastern University(东北大学无线互联网研究所)
ORCA提出一种自动化流水线,利用NLP技术实现O-RAN持续发展中的威胁分析,提升安全评估的效率和准确性。
2026-01-20 cs.CR