本报告围绕Linux内核漏洞环境自动生成展开，针对漏洞数据库版本声明不准确、内核配置依赖复杂等复现难题，系统介绍了自动化环境构建方法KernJC。首先梳理研究背景与相关工作，继而解析KernJC的核心机制：通过补丁存在性检测回溯真实受影响版本，并基于Kconfig依赖图推断触发漏洞所需的充分配置集合。实验表明，方法在真实CVE数据集上实现100%复现成功率，并发现NVD中128个错误版本声明。
2026090901361646原创文章，作者：bfs，如若转载，请注明出处：https://www.isclab.org.cn/2026/09/09/%e6%93%8d%e4%bd%9c%e7%b3%bb%e7%bb%9f%e5%86%85%e6%a0%b8%e6%bc%8f%e6%b4%9e%e7%8e%af%e5%a2%83%e8%87%aa%e5%8a%a8%e7%94%9f%e6%88%90%e6%96%b9%e6%b3%95/
本报告主要介绍了隐私数据类型，以及基本的隐私风险检测方法。第一篇论文侧重于分析APP整体的隐私数据泄露，并根据隐私泄露的风险程度给相应的App进行风险评级；第二篇侧重于研究APP中…
聚焦IoRT/IIoT场景下联邦基础模型的安全评测与防御，概述联邦微调范式与隐蔽后门风险；重点介绍SecFFT频域一致性检测机制与长期意图建模相结合实现安全加权聚合，以及FL-ID…
远程监督方法用于关系抽取任务，会给数据集带来噪声样本，为此，本文介绍了两种基于多示例学习的去噪方法，能够有效的去除训练集中存在的噪声样本。
随着人工智能等新兴技术在教育中广泛应用，推动了学习方式的深刻变革。面对多元化的学习需求及海量学习资源, 如何迅速完成学习目标、降低学习成本、个性化分配学习资源等问题成为限制个人和时…
本报告阐述了大模型在内核模糊测试中的应用，介绍了 KernelGPT 和 ECG 两种技术。KernelGPT 自动推断系统调用规范，显著提升漏洞发现效率；ECG 结合静态分析与大…
对抗样本会的存在严重威胁到机器学习模型的输出准确性。目前最常用的对抗样本生成方法是FGSM，其通过在沿着损失…
本次报告对文本数据的脱敏方法展开介绍，介绍了目前常用的文本数据脱敏方法，重点讲解了文本数据泛化脱敏的基本概念，详细阐述了文本泛化脱敏方法和文本差分隐私噪声扰动脱敏方法，最后对比了文…
本次学术报告简要介绍了人工智能系统面临的各种安全威胁，通过将对抗样本与后门攻击进行多方面比较，从而引入了机器学习模型后门攻击的原理和检测方法，以及后门攻击技术的应用领域。
Linux系统强大的网络配置能力使得Linux能够工作在各种复杂网络环境下并提供各种稳定的服务。本次报告介绍…
本次报告介绍了超参数的概念和对模型的影响，解释了超参数与模型参数的区别，详细讲解了网格搜索、随机搜索、贝叶斯优化三种优化方法，分析其使用场景及优缺点，最后列举了三种实用的开源调优工…
