Vulnerability Detection and Resolution in Internet of Things (iot) Devices
PulseAugur coverage of Vulnerability Detection and Resolution in Internet of Things (iot) Devices — every cluster mentioning Vulnerability Detection and Resolution in Internet of Things (iot) Devices across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
Microsoft的Windows Update应对创纪录的974个漏洞，AI检测是主要驱动力
Microsoft最新的Windows Update于2026年9月发布，修复了创纪录的974个漏洞，其中112个被列为严重漏洞。这些漏洞数量的激增归因于AI在漏洞检测中的日益普及，凸显了AI在网络安全方面的双重作用。该公司预计漏洞数量将持续保持高位，这表明AI在发现和潜在利用软件弱点方面的作用日益增强。
-
AI 框架 ARQ 精炼 CodeQL 查询以检测 C/C++ 漏洞
研究人员开发了 ARQ，一个利用大型语言模型 (LLM) 自动精炼 CodeQL 查询以检测 C/C++ 程序中漏洞的新框架。这种代理方法利用合成程序的执行基础证据来识别和纠正现有查询中的假阳性和假阴性。ARQ 不需要标记数据集或提交历史，在真阳性检测方面取得了显著改进，最高可达 119.8%，同时保持至少 98.0% 的精确率。精炼后的查询还成功解决了 GitHub 上长期存在的问题，并发现了 libpng 和 zlib 等真实世界…
-
调用图上下文可改进二进制嵌入但缺乏泛化性
一篇新的研究论文探讨了将调用图上下文纳入二进制函数嵌入模型的影响。研究发现，虽然这种过程间上下文可以提高鲁棒性，特别是对于与命名空间相关的函数，但在诸如二进制代码相似性检测等任务上的改进并不总是能泛化到其他下游任务，例如那些侧重于语法相似性的任务。研究表明，优化语义相似性可能会导致在语法任务上的性能下降。
-
AI模型增强物联网漏洞检测
AI模型正在被开发以加速安全漏洞的识别和修复，特别是在物联网(IoT)设备中。这项进展旨在利用人工智能提高威胁检测和缓解的效率，从而增强互联设备的安全态势。
-
新研究探讨LLM漏洞检测，提高准确性并分析提示词敏感性
两篇新研究论文探讨了使用大型语言模型（LLMs）进行软件漏洞检测。第一篇论文介绍了VULPO，一个新颖的on-policy优化框架，它使用新的数据集ContextVul，通过考虑上下文信息和推理轨迹来提高LLM识别漏洞的性能。专门的LLM VULPO-4B的性能显著优于现有方法。第二篇论文提出了PromptAudit，一个用于评估提示词敏感性如何影响基于LLM的漏洞检测的框架，发现虽然链式思考提示词（chain-of-thought …