远山

ISSTA 2024 论文，Sleuth 以单个 PoC 为起点自动挖掘同一漏洞的多种 Bug Impact：Crash Summary 指纹、MRG 记忆关联图插桩，配合监控器驱动的"深度/广度"双模式动态切换——86% 的 CVE 中发现新 Impact，总计 856 个。

OpsPilot 靶场 7 条攻击剧本与 1 条零交互供应链链路的逐条拆解：载荷实例、真实回放轨迹、落地证据、检测要点与泛化变体，附四类正常基线的误报陷阱和与检测系统联调的用法建议。

复旦与 UC Davis 合作提出的 AgentFuzz——首个面向 LLM Agent 污点型漏洞的定向灰盒模糊测试框架，用 LLM 生成功能特定种子、以语义+距离+惩罚三维反馈调度、靠 concolic 执行解约束变异，在 20 个热门开源 Agent 中发现 34 个 0-day（精度 100%），获 23 个 CVE。

第一层 Llama-Prompt-Guard-2-86M 负责 Prompt Injection / Jailbreak 检测（按 message 边界 + 512 token 分块），第二层 bge-reranker-v2-m3 做意图—工具相关性排序，配合轻量策略输出 BLOCK / CONFIRM / ALLOW；pure.json 213 条样本实测拦截率 53.85%、误报 0%。

ICSE 2026 论文，Locus 结合 LLM Agent 与符号执行，在程序任意中间位置合成捕获执行进度的谓词，为定向模糊测试提供语义里程碑：定向 Fuzzer 平均加速 70.3×，最高 214.2×，并挖出 9 个未修复的零日漏洞。

面向 AI Agent 安全防护赛的 OpsPilot 靶场完整指南：14 容器双网络架构、8 个 MCP 与 7 个 Skill 的恶意设计、7 条攻击剧本与流量回放机制、取证位置与 LLM 流量网关检测接缝。

Fuzz Dojo 实战第二部分（挑战 5-7）：沿调用树向上替换高层 API 提升 bzip2 覆盖率、为 bzip2_decompress_target 构造种子语料库、为 avahi 编写新的 Fuzz Driver，并通过 copy_queries 参数打开一整块未被覆盖的代码。

pwn.college Fuzz Dojo Introduction to Fuzzing 部分实战记录（第一部分，挑战 1-4）：在 OSS-Fuzz + libFuzzer 环境中定位 minizip 的 Fuzz Harness、清空函数体验证覆盖率归零、修复 harness 逻辑 Bug 与硬编码参数。

通过 190 个基础生成单元动态拼装出近乎无限的测试用例，以轻量级动态污点分析自动获取 Ground Truth，再用模型专属的错误总结实现免训练自我纠错——LLMCAPLENS 为评估与提升 LLM 静态污点分析能力提供了一套完整框架。

Fuzzinglabs 团队将 AI 基础设施首次带进 Pwn2Own 官方赛事：Ollama GGUF 解析器堆溢出、Triton Python 后端命令注入、RedisAI LUA 沙箱逃逸——AI 安全的本质是软件工程成熟度问题，而非算法或模型本身的问题。