Everything you care about in one place
Follow feeds: blogs, news, RSS and more. An effortless way to read and digest content of your choice.
Get Feederpaper.seebug.org
paper - Last paper
Get the latest updates from paper - Last paper directly as they happen.
Follow now 550 followers
Latest posts
Last updated about 18 hours ago
AFL Fuzz QEMU 新版适配：深度解析 Patch 细节
about 18 hours ago
作者：知道创宇404实验室 本文将深度解析 AFL++ 对 QEMU 的 patch 细节。 AFL对 QEMU 的修改 首先，下面列出...
Argus：一种基于层级引用关系的多智能体敏感信息泄露检测框架
1 day ago
作者：Bin Wang, Hui Li, Liyang Zhang等 译者：知道创宇404实验室翻译组 原文链接：https://arxiv.org/html/2512.08326v1 摘要 代码仓库中的敏感信息泄露已成为一项关键的安全挑战。传统检测方法依赖正则表达式、指纹特征和高熵计算，存在误报率高的问题，这不仅降低了检测效率，还大幅增加了开发人员的人工筛选负担。近年来，大型语言模型（LL...
IoT 固件 Fuzz：从 Harness 编写到 QEMU 适配
2 days ago
作者：知道创宇404实验室 本文旨在探讨一种针对 IoT 设备的 AFL++ Fuzz 新方案。 Harness 编写 目前大部分 Fuzz 工具仅支持标准输入或命令行参数作为输入，而...
现代软件开发-AI 编程安全
3 days ago
作者：知道创宇404积极防御实验室 1. 引言 近年来，大型语言模型（LLM）在软件开发领域引入了革命性的新范式，Cursor、GitHub Copilot、Antigravity、Trae 等智能编程助手已经融入众多开发者的日常工作中，重塑了现代软件开发格局。根据 Github 2024 开发者调查报告显示 97% 的开发者使用过 AI...
强网杯S9 Real World - monotint
7 days ago
作者：flyyy 前言 本次强网杯线下和0x300R的师傅们一起打了，其他师傅都太强啦。但最后一天的时间很短，我们最后demo的4题，基本都因为环境问题，没有成功，其中就包括了我这里demo 的monotint，一道浏览器的nday复现 第一个坑是关于v8沙箱的问题。这道题目的chrome版本是139.0.7258.128，启动参数—no-sandbox，意味着render rce之后就...
VulnLLM-R：基于智能体框架的漏洞检测专用推理大语言模型
7 days ago
作者：Yuzhou Nie, Hongwei Li, Chengquan Guo 译者：知道创宇404实验室翻译组 原文链接：https://arxiv.org/html/2512.07533v1 摘要 我们提出了VulnLLM-R，这是首个专为漏洞检测设计的专用推理大语言模型（LLM）。核心见解是：大语言模型能够对程序状态进行推理并分析潜在漏洞，而非仅依赖简单模式匹配。这种能力可提升模型的...
Typhon: 一种 pyjail 自动化绕过的思路及其粗略实现
8 days ago
作者：LamentXU 原文链接：https://www.cnblogs.com/LAMENTXU/articles/19101758 Typhon项目已加入知道创宇404实验室星链计划，项目地址：https://github.com/LamentXU123/Typhon 随着CTF题目的发展，越来越多的自动化解题工具诞生，使CTFer能够避开繁琐而固定的解题流程，并将精力花在真正能学到东西...
HarnessAgent：借助工具增强型 LLM 流水线实现自动模糊测试桩构建的规模化
8 days ago
作者：Kang Yang, Yunhang Zhang, Zichuan Li 译者：知道创宇404实验室翻译组 原文链接：https://arxiv.org/html/2512.03420v1 摘要 基于大型语言模型（LLM）的技术在生成程序模糊测试桩（fuzzing harness）方面已取得显著进展。然而，由于需要复杂的上下文信息（如规格说明、依赖关系和使用示例），将其大规模应用于任意...
城门之外的“野蛮人”：人工智能如何颠覆系统研究
9 days ago
作者：Audrey Cheng, Shu Liu, Melissa Pan等 译者：知道创宇404实验室翻译组 原文链接：https://arxiv.org/html/2510.06189v3 摘要 人工智能（AI）正通过自动化新解决方案的发现，改变我们所熟知的研究流程。面对一项任务，典型的AI驱动方法包括：（i）生成一组多样化的解决方案；（ii）验证这些解决方案并选择其中能解决问题的方案。...
对抗性诗歌：大型语言模型中一种通用的单轮越狱机制
10 days ago
作者：P. Bisconti, M. Prandi, F. Pierucci, F. Giarrusso等 译者：知道创宇404实验室翻译组 原文链接：https://arxiv.org/html/2511.15304v2 摘要 本文证实，对抗性诗歌可作为大型语言模型（LLMs）的通用单轮越狱技术。在25个前沿的专有模型和开源权重模型中，精心设计的诗歌提示词实现了较高的攻击成功率（ASR），...
BrowseSafe：理解并防范 AI 浏览器代理中的提示注入攻击
11 days ago
作者：Kaiyuan Zhang、Mark Tenenholtz、Kyle Polley、Jerry Ma、Denis Yarats、Ninghui Li 译者：知道创宇404实验室翻译组 原文链接：https://arxiv.org/html/2511.20597v1 摘要 将人工智能（AI）代理集成到网页浏览器中，带来了超越传统Web应用威胁模型的安全挑战。已有研究已将提示注入识别为We...
基于大型语言模型的恶意软件检测与解释：低秩适配（LoRA）与全量微调的准确性 - 效率权衡及对比研究
14 days ago
作者：Stephen C. Gravereaux, Sheikh Rabiul Islam 译者：知道创宇404实验室翻译组 原文链接：https://arxiv.org/html/2511.19654v1 摘要 本研究探讨了低秩适配（LoRA）微调的大型语言模型（LLMs）在生成恶意软件分类的人类可解释决策和解释方面，是否能接近全量微调模型的性能。实现可信的恶意软件检测（尤其是涉及大型语言...