安全学术圈

本文提出了一种名为LLM-TIKG的创新性威胁情报知识图谱构建框架，该框架基于大语言模型技术，融合了少样本标注增强、指令微调和多层级威胁关联三重机制。

2026 Spring 或 Fall 入学

本文提出了一种通过整合生成对抗网络（GANs）来增强网络入侵检测系统（NIDS）性能的新方法，该方法利用 GANs 生成能紧密模拟真实网络行为的合成异常流量数据，以解决 NIDS 训练中存在的数据稀缺问题。

本文对固有后门进行了系统性研究，发现它们广泛存在于干净模型中，与注入型后门一样具有危险性，是一种新型攻击媒介。

本文提出了一种新的目标导向生成式提示注入攻击 (G2PIA) 方法。

2025年度警务融合计算四川省重点实验室开放课题公告

文章提出了一种基于文本的异常检测方法 FALL，用于 HPC 系统的提前故障检测。

提出了一种名为MScan的新型安全分析方法，能够有效检测现实世界中快速演进的微服务应用中的污点式漏洞

本文提出了MedRef，一个集成了知识精炼和动态提示调整的新型医疗对话系统。

软件密集型系统通常会生成控制台日志，用于故障排除。日志解析旨在将日志消息解析为特定的日志模板，通常是实现自动化日志分析的第一步。

本研究针对检索增强代码生成 (RACG) 系统中严峻的知识库投毒威胁，提出了一种名为 CodeGuarder 的主动安全强化框架。

作者引入了Think-on-Graph 2.0 (ToG-2)，这是一个混合RAG框架，它以紧密耦合的方式迭代地从非结构化和结构化知识源中检索信息。

本文展示了作为评判器的LLM在面对提示注入攻击时的脆弱性，并提出了JudgeDeceiver，一个基于优化的框架，能够自动生成注入序列，从而操纵作为评判器的LLM的选择。

本文提出了针对使用自定义化的大语言模型应用的指令后门攻击，攻击者通过精心设计的提示在输入包含预定义触发器时控制自定义 LLM 的输出。