随着大模型技术的兴起和发展，软件漏洞模糊测试方法在新技术的赋能下，可以实现更好的代码覆盖率和漏洞发现数量。本次学术报告针对结合大模型实现模糊测试用例生成的方法，介绍了Fuzz4All、FuzzGPT两篇顶会算法，针对大模型在模糊测试领域应用方式，探讨大模型在传统软件安全领域的作用和创新意义。
大模型赋能的模糊测试用例生成技术-张浩然原创文章，作者：bfs，如若转载，请注明出处：https://www.isclab.org.cn/2024/09/03/%e5%a4%a7%e6%a8%a1%e5%9e%8b%e8%b5%8b%e8%83%bd%e7%9a%84%e6%a8%a1%e7%b3%8a%e6%b5%8b%e8%af%95%e7%94%a8%e4%be%8b%e7%94%9f%e6%88%90%e6%8a%80%e6%9c%af/
随着网络攻击日益复杂化，基于深度学习的入侵检测系统面临严峻的对抗性威胁。本次学术报告聚焦对抗样本的攻防研究，介绍了一种提升模型自身抗攻击能力的防御方法，以及一种能够有效甄别隐蔽对抗…
meta-learning即元学习，也可以称为“learning to learn”。常见的深度学习模型，目的是学习一个用于预测的数学模型。而元学习面向的不是学习的结果，而是学习的…
本报告介绍了深度学习后门攻击的基本概念、类型划分等背景知识，对一种基于模型权重修改和一种基于模型结构修改的后门攻击算法进行了具体说明，阐述了对于深度学习后门攻击领域现状的未来发展的…
在很多场景下，收集大量的有标签的数据是非常昂贵、困难、甚至不可能。因此在特定领域、小语种等缺乏标注资源的情况下，NER 任务往往得不到有效解决。为了解决少量标注数据的命名实体识别，…
段错误（segmentation fault）是我们在Linux下编程以及在线提交代码常见的错误。本次学术报…
胶囊(向量神经)网络是针对CNN的缺陷提出的一种新的方法，主要实现了两点改进：1.将CNN的输出结果由标量（scalar）替换成了向…
深度学习模型的鲁棒性解释方法旨在提升模型在面对输入扰动或对抗攻击时的解释一致性，是增强模型可信性和应用价值的重要研究方向。本次学术报告介绍了该领域的研究背景与发展现状，重点阐述了M…
网络嵌入（Network Embedding）是针对网络中节点进行特征学习的一项新兴的研究任务，它旨在将网络中的节点表示成低维、实值、稠密的向量形式，使得得到的向量形式可以在向量空…
This report centers on the “Wireless Traffic Dataset for KRACK and Kr00k Attacks in …
生成式对抗网络（GAN, Generative Adversarial Networks ）是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。本次学术报告将回顾关…
