安全学术圈

文中提出了在底层RDF图之上构建属性图视图，LLM可以使用Cypher查询语言高效地查询这些视图。

本文系统性地提出了Tor网络实验中可靠统计推断的基础方法，结合新的网络建模、流量建模和仿真平台优化，实现了更大规模、更高效的实验。

本文利用现有的KGQA数据集来合成KG推理程序。

在本文中，我们研究了当前对抗攻击方法的局限性，特别是它们在应用于大型语言模型（LLMs）时的可迁移性和效率问题。

在本文中，研究了针对大型语言模型（LLMs）的文本对抗攻击，并提出了Offline-Attack。设计了一个对抗机器翻译（AMT）框架，并构建了一个大规模的对抗数据集来对其进行训练。

美国乔治梅森大学(GMU)｜张亦成老师招生：系统与硬件安全方向博士生（2026春/秋入学）

本文提出了一种名为 HoneyJudge 的创新且实用的 PLC 蜜罐识别框架，该框架基于设备内存测试，提取了六个内存特征，以反映 PLC 设备的系统级、用户级和物理级特性。

文章提出了当时首个针对开放域聊天机器人的毒性行为研究，采用一个特别微调的模型在动态交互过程中进行分析。

四川大学黄诚课题组长期招人

本文针对加密通信环境中流量分析与分类的重要问题，提出了一种高效的Tor流量分类方法。

本文提出的预测性上下文敏感模糊测试方法，通过函数克隆实现碰撞规避，并结合静态数据流分析进行克隆点预测，既解决了传统上下文模糊测试中的碰撞与状态爆炸问题，又显著提升了漏洞发现能力。

文章的研究显示，广泛使用的商用LLM可能被滥用以生成钓鱼网站和电子邮件。

本文提出了一个名为黑盒身份验证（BBIV）的新挑战，旨在确认第三方 LLM 是否与私有 LLM 匹配。

论文引入了 KARE，一个新颖的框架，它将知识图谱（KG）的社区级检索与 LLM 的推理相结合，以增强医疗保健预测。

本文提出SymAgent，将KG概念化为动态环境，将复杂推理任务转化为多步交互过程，使KG深度参与推理。

本文首次将“逆向损失”引入到联邦学习数据重构攻击的风险量化评估中，不仅构建了统一的风险评估框架，还基于理论推导提出了实用的防御策略。

大型语言模型（LLMs）在代码生成和补全任务中展现出巨大潜力，包括硬件设计领域。

文章对当前流行的大语言模型（LLMs）的代码分析能力进行了全面评估。