安全学术圈

本文提出KNOWHOW，一种面向在线溯源分析的CTI知识驱动方法，旨在自动将CTI报告中的高层攻击知识应用到底层系统事件检测中。

本研究首次针对LLM驱动的AutoPT框架进行知识系统化分析，并开展全面而深入的大规模实证评估，旨在厘清当前技术真实的能力边界，并为后续研究提供参考。

常安论坛 | 早鸟票倒计时一周！

大湾区大学 | 网络与信息安全研究中心招聘博士后

2026年4月30日前将申请表寄回南京大学计算机软件新技术全国重点实验室

其中双百截至日期：2026年4月24日

截至26年3月，在产学研各界专家学者的深度参与下，社区成功完成了关键难题的识别与分解。

基金申报截止时间为：2026年5月6日24:00（北京时间）

本文提出OCR-APT，试图实现从系统审计日志到APT攻击故事重建的端到端分析

本文不仅帮助读者更清楚地理解自动化TTP抽取领域的主要方法路线，也提醒研究者：这一方向未来的突破，可能不仅依赖更强的模型能力，也依赖更高质量的数据和更合理的任务定义。

本文提出了一个结构完整、思路清晰的方法框架，展示了大语言模型在 API 安全规则生成与误用检测中的应用潜力。

OpenClaw安全态势全景本报告由华中科技大学网络空间安全学院与武汉金银湖实验室联合撰写，相关数据及分析

本文提出 JsDeObsBench，一个用于评估大语言模型在 JavaScript 反混淆任务中能力的评测基准 （benchmark）。

本文首次系统提出并验证了 Trojan Adapter 攻击威胁。

MICCIS 2026 组委会热忱地邀请您参与第四届移动互联网、云计算与信息安全国际会议（MICCIS 2026）。

本文将恶意提示词驱动的个人信息诱导从理论设想推进到实证验证阶段，揭示了对话式 LLM 在部署层面可能带来的新型隐私风险，并为平台治理与对话安全设计提供了重要参考。

本仓库汇集了相关的学术论文、技术博客、开源代码、实用工具和评估基准。

本文在代码生成大模型安全方向上提出了一个非常关键且长期被忽视的问题：LLM 在推荐第三方依赖时产生的“包幻觉”并不仅是普通生成错误，而是可以被攻击者直接转化为现实世界的软件供应链攻击。