远山

面向代码安全研究的技术笔记：Joern 如何把源码/字节码/二进制转成代码属性图（CPG），怎样用 CPGQL 查询代码结构与 Source→Sink 数据流，以及它为何适合作为补丁驱动的漏洞变体挖掘引擎——同时梳理了精度边界与版本升级风险。

CONCOLLMIC 将符号化建模与约束求解交给 LLM 智能体，同时保留具体执行、代码执行与 SMT 求解器：相比 KLEE/SymCC/SymSan 平均分支覆盖率提升 115%–233%，相比 AFL++ 提升 81%，发现 11 个未知漏洞（1 个获 CVE-2025-4945），平均成本约 $53.86/项目。

不让 LLM 直接代替 SMT Solver，而是让它生成三种 Ghost Code（Code Inversion、Surrogate Model、Semantic Heap Partitioning）辅助 KLEE——相比传统符号执行覆盖率提升 28.5%–115.2%，相比 LLM 符号执行基线提升 74.1%–189.8%，同时节省 91–96% 的 Token 开销。

关键词：模糊测试、LLM、DGF、SMT、符号执行、LLM Agent

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。