ConQEC：面向量子纠错码实现的符号执行测试框架
ConQEC 是首个面向量子纠错码（QECC）实现的 concolic 测试框架，通过结合具体 Pauli 故障重放与符号修复路径约束，生成能暴露最终逻辑故障及 FSDR（故障-综合征-解码器-恢复）诊断的测试用例。
看学术
AI 安全方向的论文、会议、比赛、教程与资料，按内容形态筛选，支持搜索。
分类筛选展开收起
攻击手段
防御体系
模型内生风险
系统与组件
应用场景
评测与治理
可解释与机制
共 1,382 条 · 更新于 15:39
arXiv推荐指数3838 arXiv推荐指数4747 PhysTrace：视频生成模型物理一致性的可解释时序评测框架
PhysTrace 提出一个免训练框架，用 MLLM 生成的历史条件期望与观测视频窗口对齐，时序定位物理违规并给出可解释描述，在 IntPhys2-Timing 上 Hit Rate 最高达 70.7%，且在 IntPhys2 的 possible-impossible 判别准确率上超过对比方法。
arXiv推荐指数5555 arXiv 论文诊断语言模型跨文字实体匹配失败：Qwen2.5-7B 在马拉地语提示下天城文同人识别准确率降至 8.5%
论文用 601 组经审计、含天城文与拉丁文写法的身份对，在问题与关系固定条件下研究多语言模型对同一人名不同文字写法的判断差异。Qwen2.5-7B 在马拉地语提示下同人准确率从拉丁文的 35.1% 降至天城文的 8.5%，而异人准确率保持在 98% 以上；在 374 组马拉拉姆语身份对上复现该效应，同人准确率降至 5.3%，但 AUROC 仍达 0.925。
arXiv推荐指数5656 Typed Template Fuzzing：用 LLM 预处理生成类型化模板的模糊测试方法
论文提出轻量级 LLM 模糊测试方法 Typed Template Fuzzing（TTF），在预处理阶段用 LLM 将种子转化为类型化模板，随后无需语言专用解析器、类型检查器或额外 LLM 查询即可进行语义感知的变异模糊测试，并可利用种子与模板的对应关系修复 LLM 错误。
arXiv推荐指数6363 EMNLP 2026 论文定义长对话状态完整性坍塌并发布 StateTrack-Bench 评测
论文定义了 State Integrity Collapse，即模型在记忆中保留了约束却在后续对话中不再遵守，并发布 StateTrack-Bench 评测套件，覆盖数值、格式、角色/人设、事实记忆与逻辑规则五类约束。
arXiv推荐指数4747 超级智能软件工程：随能力扩展的治理（OSTEON）
arXiv 论文提出"超级智能软件工程"（OSTEON）框架，主张当软件 Agent 能力超越人类工程师时，治理（门控、契约、决策与知识衰减控制）必须随能力同步扩展，否则仅靠能力无法保证软件正确性。
安全paper推荐指数7272 arXiv论文提出LLM数字取证中的提示词注入反取证攻击分类与PoC
Frank Breitinger等人在arXiv:2610.29747发表论文，指出LLM辅助数字取证引入了新的反取证攻击面：被分析证据本身由攻击者控制，可作为间接提示词注入载体操纵模型推理与下游动作。
安全paper推荐指数7171 arXiv论文提出通过后训练提升思维链可监控性
arXiv:2610.29734 论文提出一种无监督后训练目标，通过最大化思维链（CoT）与模型输出之间的互信息来提升 CoT 可监控性。在三个 CoT 被刻意退化的 model organisms 上，该方法恢复了大部分或全部丢失的可监控性；应用于未退化策略时，还能提升判定式可监控性、CoT 监控器与激活探针对不安全行为的预测能力，并增加实质性推理的比例。
安全paper推荐指数5555 WRDO：对齐语言模型中加权拒绝方向优化方法
arXiv:2610.29555 提出 Weighted Refusal Direction Optimization（WRDO），通过学习聚合权重，将多个逐 prompt 的残差流拒绝方向组合成复合方向，替代传统的有害与无害提示均值差向量。
arXiv推荐指数5050 REGATTA：面向企业 AI Agent 的跨域测量框架与故障注入评测论文
论文提出 REGATTA（Regulatory Evaluation of Agents via Two-stage Testing and Assurance），一个面向企业 AI Agent 评测的测量框架，包含 125 项带来源引用的清单（覆盖美国与越南五个行业-司法辖区单元）、25 个故障语料，以及在设计与执行两阶段为测试套件打分的故障注入 harness。
arXiv推荐指数5454 AI辅助敏捷软件工程经验报告：代码变廉价后评测成为瓶颈
一篇 arXiv 经验报告记录了单名开发者全程零手写代码、在三个工作日内构建并部署一套合规关键、人在环路的考试评分系统的过程。作者提出核心论点：AI 对软件工程的改变不在于让编程更快，而在于改变了稀缺资源——写代码变得充裕，而可靠评测与工程判断成为约束迭代的瓶颈。
arXiv推荐指数4545 ATLAS：将二进制提升为规范化编译器 IR 的多智能体框架
ATLAS 是一个多智能体框架，通过 Lift、Advisor、Validation 三个智能体的协作迭代，从优化后的二进制中重建形式合法、规范化的 LLVM IR。
arXiv推荐指数4747 SYNAPSE：将工具使用经验作为独立字段评分，保护 Agent 工具池中未使用工具的检索
arXiv 论文提出 SYNAPSE 方法，将工具使用经验作为独立字段评分，在 Agent 共享工具池中保护未使用工具的检索效果。在 StableToolBench 上，SYNAPSE 使未使用工具的 Hit@5 达到 0.785，高于为使用经验预留槽位的 router（0.683），且在三个工具目录、两种 embedder 下均保持领先。
Security & Privacy Conference Deadlines推荐指数1010 CIMSS 2027：关键基础设施与海事系统安全国际研讨会征稿（ACNS 2027 同期）
CIMSS 2027（International Workshop on Critical Infrastructure and Maritime Systems Security）将于 6 月 28 日至 7 月 1 日在英国 Royal Holloway（Egham）举办，与 ACNS 2027 同期举行。第一轮论文截稿日期为 2026 年 12 月 19 日 19:59:59。
Security & Privacy Conference Deadlines推荐指数1010 IFIP SEC 2027 征稿：2026 年 12 月 16 日截止
IFIP International Information Security and Privacy Conference（IFIP SEC 2027）将于 6 月 14–16 日在瑞典林雪平（Linköping）举办，投稿截止时间为 2026 年 12 月 16 日 19:59:59。
arXiv推荐指数5555 VLTest：黑盒测试视觉语言模型图文联合失败的方法
论文提出 VLTest，一种针对视觉语言模型（VLM）的黑盒测试方法，通过编辑 VQGAN 潜在编码生成图像变体、用改写-扩展-裁剪流程生成文本变体，并在测试组合前先单独测试每个变异，使每个联合失败都有四个匹配单元格可供归因。
arXiv推荐指数4343 Beyond Policy Engines：绑定完备的执行准入（BCEAC）框架
arXiv 论文提出 Binding-Complete Execution Admission Contract（BCEAC），指出策略引擎给出 ALLOW 决定并不等于治理来源完整参与、上下文精确绑定或具备执行准入依据，并将治理解析、策略评估、独立准入校验与下游执行中介分离。
arXiv推荐指数7575 arXiv论文提出针对LLM辅助数字取证的反取证提示词注入分类与概念验证
论文指出数字取证场景反转了间接提示词注入的常规设定：被分析的证据本身由攻击者控制，且检验人员必须仔细阅读，使推理层成为继数据和工具之后的新反取证目标。作者扩展了反取证模型以涵盖对推理过程的操纵，提出由目标、技术、载荷位置和隐藏方式构成的攻击分类，并指出确定性工具、人类检验人员与模型对同一证据存在感知差异，这正是注入能绕过检验人员触达模型的原因。