安全学术圈

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。

实验室特设立开放课题，资助与实验室研究方向密切相关、具有重大科学意义和广泛应用前景的研究课题。

2024年CCF-绿盟科技“鲲鹏”科研基金项目申报指南

本研究特别关注在SFT过程中，数学推理、代码生成和通用人类对齐能力这三者之间数据构成的相互作用。

高质量的信息提取任务不仅需要标签名称，更需要遵循详细的标注指南。

本文研究了防御对抗攻击的一个新方面，即对抗攻击的可追溯性。

本文探讨了对LLMs发起模仿攻击以提取其专门化代码能力（如“代码合成”和“代码翻译”）的可行性。

本文的实验部分主要关注三个重点：流量分类任务、协议理解任务和消融实验。

本文提出了一种名为MH-Net的新型多视角异构图模型，通过将不同位数的流量比特聚合为多种类型的流量单元，构建多视角流量图，丰富了信息表达粒度，并提升了模型性能。

本文提出了一种名为MH-Net的新型多视角异构图模型，通过将不同位数的流量比特聚合为多种类型的流量单元，构建多视角流量图，丰富了信息表达粒度，并提升了模型性能。

本文的研究为理解和防御 LLM 越狱提供了新的视角，也提醒业界亟需更加透明且强健的防御机制，以提升 AI 安全与伦理的底线保障。

MirageFlow通过动态分配中继集群的共享资源，显著提升Tor带宽膨胀攻击效率。C-MirageFlow和D-MirageFlow分别实现近n倍和n×N/2倍膨胀，理论证明仅需10台服务器即可控制Tor网络50%流量。

开放课题申请截止日期：2025年9月8日