安全学术圈

本文探索了LLM应用开发实践中的风险，剖析了在新的开发范式下，LLM应用面临的潜在新风险点。

涵盖物理层安全、量子密钥分发、网络流量治理、云网协同安全、物联网安全、数据安全防护、密码芯片技术、5G内生安全、代码安全检测、量子密码理论、车联网安全、内容可信治理和区块链安全等方向

涵盖了软件威胁检测、操作系统安全、网络协同防护、供应链安全、威胁智能分析、自主可控云技术、工业控制系统安全和大型活动安全风险感知等核心方向

MCP 安全评测基准

15 December 2025 by 11:59 pm

截止日期为2025年11月24日

2025年11月30日中午12点前

目前招生名额较多(3+)，招生采用滚动评审制度

本文开发了 ScannerGrouper，这是首个独立于Darknet的互联网扫描探针组织溯源系统，旨在实现通用性、高效性，并适用于开放世界场景。

本文提出的 HoneyLLM，是一种基于大语言模型的中交互蜜罐（Medium-Interaction Honeypot, MIH）系统，旨在解决传统蜜罐技术中 “安全风险与数据可用性难以平衡” 的核心矛盾

本文提出了一种基于功能性变更的版本识别方法，并在五个具有大量漏洞的知名远程软件系统上实现了原型框架VersionSeek。

本文提出的 UNICORN，是一种基于运行时溯源的高级持续威胁（APT）检测器，旨在解决传统检测系统对 APT 检测能力不足、现有溯源分析方法存在静态模型无法捕捉长期行为、动态模型易被破坏、扩展性差等问题。

郭得科&谢国锐老师招收AI+计算机网络方向博士生

薛棣文老师招收安全/网络/测量 方向博士生/RA/访问学者

工业智能与安全互联是新型工业化的核心底座与关键信息基础设施，具有高本期特刊聚焦于工业智能基础理论、工业网络安全互联、工业大模型、工业数据安全流通等重要技术方向的高质量和原创性研究论文，与征稿有关的主题方向如下。度的战略前瞻性。

本文针对网络威胁（如 Mirai 僵尸网络变种）持续升级、传统安全工具难以检测零日攻击与深度分析攻击者行为，且现有蜜罐研究存在 “单蜜罐技术零散、蜜网缺乏系统分类与统一评估模型” 的核心问题。

本文针对微服务架构普及下攻击频发，而传统单体蜜罐存在 “适配微服务动态性差、监控覆盖不完整、易被指纹识别” 的问题，提出并实现基于 Kubernetes（K8s）的微服务 Web 蜜罐 HoneyKube，以填补微服务场景蜜罐技术空白。

本文首次提出并实现了可在真实 Tor 网络中部署的 Trapper 攻击，通过“选择性破坏 + 路径劫持 + 反检测”的组合策略，在仅监控单端流量的弱假设下，40 秒内 100 % 去匿名化用户。

文章提出了一个新颖的基于 LLM 的 Program Repair Agent，它利用语言服务器和补丁验证器来分析程序、生成补丁并进行验证 。