NISL实验室

清华大学网络研究院学生参与的Blue Water国际联队勇夺DEF CON CTF全球总决赛冠军

Thu, 13 Aug 2026 21:00:00 +0800

NISL实验室 2026-08-13 21:00 四川

清华大学网络研究院学生参与的Blue Water国际联队勇夺DEF CON CTF全球总决赛冠军

北京时间8月10日，全球最高级别网络安全对抗比赛——被誉为“网安世界杯”的DEF CON CTF全球总决赛在美国拉斯维加斯落幕，清华大学网络研究院学生参与的Blue Water战队从现场12支国际顶尖战队中脱颖而出，以总分578,103分、领先第二名超过120,000分的巨大得分优势荣获全球总冠军，登上了DEF CON CTF全球总决赛的最高领奖台。

DEF CON CTF 2026全球总决赛最终积分榜

Blue Water战队是一支由多国队员参与的国际联合战队，其中来自中国的队员主要包括清华大学网络研究院学生组成的Blue‑Lotus战队，以及清华大学校友企业长亭科技的安全研究员。清华大学网络研究院博士生杨晶城、硕士生游宇凡在美国拉斯维加斯现场参加了DEF CON CTF总决赛，其中杨晶城同学主要参与 KoH（King of the Hill，擂台赛）相关赛题的分析与解题，重点对赛题规则、程序逻辑及交互机制进行分析，并在此基础上编写和持续优化运行脚本，根据实际结果不断调整得分策略；游宇凡同学主要参与AD（Attack and Defense，攻防赛）相关赛题的分析与解题，围绕比赛服务开展程序分析、漏洞挖掘及补丁研究，并针对比赛过程中对手的攻击和防御部署情况及时调整战队策略。两位同学在比赛期间与团队成员保持密切沟通与协作，根据赛况及时交换技术思路和关键信息，共同推进各项赛题的解题进度。

杨晶城（左）、游宇凡（右）在DEF CON CTF 2026全球总决赛比赛现场

Blue Water战队成员获颁DEF CON CTF全球总决赛冠军荣誉胸牌

经过连续三天高强度的比赛，最终Blue Water战队以总分578,103分、领先第二名超过120,000分的巨大得分优势荣获全球总冠军，登上了DEF CON CTF全球总决赛的最高领奖台，清华大学网络研究院杨晶城、游宇凡等队员获颁DEF CON CTF冠军荣誉胸牌，可永久免注册费参加DEF CON大会。

清华大学Blue‑Lotus战队自2010年成立以来，依托学校在网络空间安全学科的优势，在段海新、诸葛建伟、张超、陈建军等多位老师的指导下，以培养顶尖信息安全人才为目标，以赛促练，着力打造一流比赛队伍；结合激烈的网络安全对抗比赛方式，组织XCTF联赛、DataCon大数据安全分析大赛、CCF网络安全智能挑战赛等国际性和全国性网络攻防赛事，创新网络空间安全专业学生培养体系，提高学生实践能力和综合素质，形成“发现—培养—转化”的人才培养模式，为国家和企事业单位培养了一批卓越网络空间安全专业创新型人才。

专稿：杨晶城、汪琦

审核：诸葛建伟、吴茜、张一铭

照片：大赛组委会、杨晶城

排版：周航

跳转微信打开

网络还在，服务没了：865 万条测量数据深度还原2025年伊朗断网的四个阶段

Thu, 06 Aug 2026 20:30:00 +0800

NISL实验室 2026-08-06 20:30 四川

网络还在，服务没了：865 万条测量数据深度还原2025年伊朗断网的四个阶段

今日，国际互联网协会（Internet Society, ISOC）在其官方网站发布了清华大学网络与系统安全研究室、中关村实验室与奇安信 XLab的联合研究成果。该成果是研究团队围绕伊朗2025年6月大规模断网事件开展的深度归因分析。不同于传统意义上依赖路由回撤的大规模互联网中断事件，研究团队通过对此次事件的系统测量与分析，系统性地证实了伊朗已具备面向网络服务级别的精细化管控能力。相关学术研究成果已发表于国际交叉领域顶会WWW 2026。

传统断网监测看到的是“网络还在不在”，但网络存活不代表其运行的服务真实可用。本文在此基础上追问“网络里的服务还能不能用”。通过对 865 万条主动测量结果进行服务级分析，本文提出一套面向服务层的断网监测框架，并基于该框架细致刻画了伊朗断网行动由局部试探、全国封锁到分级恢复的全过程。这次断网具有三个典型特征：分阶段（phased）、渐进式（progressive）和分布式（distributed）。

原文标题：Characterizing Iran’s Phased National Internet Shutdown in 2025: A Progressive and Distributed Action

原文作者：Shibo Cui, Mingxuan Liu, Baojun Liu, Haixin Duan, Ruixuan Li, Chaoyi Lu, Jin Zhang, Zhicheng Wang, Jinghua Bai

原文链接：https://dl.acm.org/doi/10.1145/3774904.3792699

发表会议：The ACM Web Conference 2026（WWW 2026）

ISOC 博客链接：https://pulse.internetsociety.org/en/blog/2026/08/when-networks-stay-up-but-services-disappear/

1、当“在线”不再等于“可用”

一次全国性断网，通常会留下很直观的技术痕迹：BGP 路由被大规模撤回、网络前缀从全球路由表中消失，或者跨境流量突然跌至低谷。但 2025 年 6 月发生在伊朗的事件呈现出一种更隐蔽的模式：许多网络仍然可以在全球路由系统中被看见，IP 地址也未必完全失去响应，然而其中承载的 DNS、Web、邮件和 VPN 等服务，却从境外逐步变得不可达。

这意味着，仅凭“路由是否存在”或“主机能否被 ping 通”来判断网络状态，可能会把一场大规模服务封锁误判为网络仍然正常。论文将这种现象称为服务级断网（service‑level shutdown）：BGP层面的基础网络表面上仍然保持互联，然而真正影响用户体验和信息流通的服务层却被有选择地限制。

2、从海量测量中捕捉服务“失活”

研究团队构建了一套面向服务层的断网监测框架。数据采集端依托 400 余个分布式测量节点，对伊朗全部可路由 IPv4 地址空间中的公开服务进行持续主动探测，覆盖 HTTP、SSH、DNS、SNMP 等多类协议，共获得 865 万条测量结果。

随后，监测框架让每个网络服务在短时间窗口都形成具有代表性的随机样本。系统将 IP 与端口对加入随机化测量队列，分散探测顺序带来的时间偏差；随后按 10 分钟粒度汇总服务状态，把探测到的活跃服务数量作为整体网络服务活性的代理指标。

图1: 服务级断网监测核心思路：让每个短时间窗口都形成具有代表性的随机样本

图2: 服务级断网监测框架：随机化主动测量、动态基线与异常下降检测（来源：论文 Figure 1）

为了区分正常波动和人为封锁，研究使用自适应滑动窗口建立动态基线：窗口保留最近三天的健康观测，并自动排除已被判定为断网阶段的数据，避免异常值反过来“污染”基线。当当前活跃服务量相对基线的下降超过统计阈值时，系统将该时间段标记为断网。论文用服务阻断率（Service Blocked Ratio，SBR）量化下降幅度。

框架设计特点：随机抽样解决“服务空间太大、无法短时遍历”的问题；动态基线解决“昼夜变化和日常波动”的问题；服务阻断率则把不同阶段、不同 AS 和不同协议放到同一尺度上比较。

3、断网并非一次“拉闸”，而是四个阶段

系统监测结果显示，这次行动并非在某个时刻一次性关闭全国网络，而是经历了两个局部演练（LSD, Localized Shutdown Drill）、一次全国封锁（NS, Nationwide Shutdown）和一次分级恢复（NSR, Nationwide Shutdown Recovery）。四个阶段共同组成了一条清晰的断网时间线。

图3: 伊朗 2025 年 6 月服务活性与四阶段断网时间线（来源：论文 Figure 2）

图4: 断网自基础设施及隧道服务向应用服务的扩张（颜色越深代表受阻断越严重）

阶段一｜局部试探：先触及基础设施与隧道服务
6 月 13 日开始的第一阶段持续约 30 小时，影响 36 个头部 AS，重点落在 DNS、NTP 以及 L2TP、IKEv2 等核心基础设施和隧道协议上。其目标更像是控制解析、时间同步与网络连通通道。

阶段二｜范围扩张：从底层设施走向应用服务
6 月 17 日的第二阶段影响扩大到 60 个头部 AS；受影响的头部服务由 12 类增至 36 类，Web、邮件、文件传输和共享服务开始大面积受限。封锁从“基础设施控制”转向“信息获取与交换阻断”。

阶段三｜全国封锁：98 个头部 AS、49 类服务受影响
6 月 18 日进入全国封锁阶段。伊朗头部 100 个 AS 中有 98 个受到影响，头部 50 类服务中有 49 类被阻断，服务活性几乎跌至低点。这一阶段展示了由局部控制快速升级为全国性服务封锁的能力。

阶段四｜分级恢复：网络回来，但并不同步
6 月 21 日后网络进入恢复阶段，但恢复并不是简单地恢复原状：不同 AS、不同服务以不同速度回归。到该阶段末，头部 100 个 AS 中只有 30 个恢复正常，9 个部分恢复，仍有 61 个继续受影响；50 类头部服务中，16 类恢复、15 类部分恢复、19 类仍被阻断。

4、渐进式升级：封锁范围逐渐扩张

本次断网是渐进式的，体现在两个维度：一是受影响网络从少数 AS 扩张到几乎所有头部 AS；二是受影响服务从底层基础设施和隧道协议扩展到 Web、邮件、文件传输等用户可感知的应用服务。

图5: 头部 100 个 AS 在四个阶段中的状态迁移（来源：论文 Figure 3）

图6: 头部 50 类网络服务在四个阶段中的状态迁移（来源：论文 Figure 4）

两张状态迁移图进一步说明：封锁与恢复都不是均匀发生的。此前未受影响的网络或服务会在下一阶段被纳入；进入恢复期后，又被拆分成“完全恢复、部分恢复、仍受影响”等不同状态。整个行动不是单一开关，而是一套可以细粒度调节对象和强度的控制流程。

5、分布式执行：不同 AS 有不同“断网时钟”

进一步比较不同自治系统（AS）的阻断时间和恢复轨迹，发现显著的跨 AS 异质性：有些网络在全国封锁开始数小时后才完全失去服务；另一些网络在恢复期反复波动，呈现不稳定的局部回归。即便处于同一全国性事件中，不同网络的执行强度、启动时刻和恢复速度也并不一致。

这种差异表明，封锁很可能并非完全依赖一个中央设备同步完成，而是由分布在多个运营商、网络节点或管理域中的机制共同执行。

图7: 恢复阶段不同 AS 的服务阻断率仍呈现显著差异（来源：论文 Figure 6）

6、开展服务级互联网中断测量的意义

补充传统路由与流量监测的盲区

BGP 路由、IP 可达性和宏观流量仍然是断网监测的重要信号，但它们分别回答的是“网络是否被宣告”“主机是否响应”和“总体通信量是否变化”。服务级测量补充了更贴近真实使用的问题，即用户所依赖的具体服务是否还能从外部真实访问。

揭示更细粒度的断网态势

从 DNS、VPN 到 Web、邮件，再到分级恢复，受影响对象的变化说明网络控制可以按协议、运营商和时间阶段精细实施。对研究人员、网络运营者和分析者而言，仅用“全国断网/没有断网”的二元标签已经不足以描述断网的现实态势。

结语：看得见网络，并不等于看得见真实连接

伊朗 2025 年 6 月的断网行动说明，互联网控制正在从粗粒度的“切断网络”，走向更隐蔽、更细致的“选择性关闭服务”。当路由仍在、地址仍可见时，依赖传统指标的监测系统可能认为网络仍然在线；而对用户来说，无法访问网页、无法收发邮件，已经意味着服务事实上的消失。

本文以 865 万条主动测量结果为基础，把一次复杂的国家级断网拆解成可观察、可量化的四个阶段，也提醒互联网测量社区：理解网络韧性，不仅要追踪线路、路由和地址活跃性，更要持续观察线路之上真正承载信息流动的服务。

作者简介

崔世博，清华大学网络科学与网络空间研究院博士研究生，导师为刘保君副教授。主要研究方向为互联网中断监测、定位与根因分析。在国际网络及安全顶级会议NDSS、WWW等发表论文。联系邮箱：csb24@mails.tsinghua.edu.cn。

刘明烜，中关村实验室副研究员。科研方向聚焦于数据驱动的网络空间安全研究。在国际网络及安全领域国际顶级会议和期刊上发表20余篇论文（含网络空间安全四大领域顶会论文10余篇），曾获得NDSS 26的最佳论文奖（Distinguished Paper）以及Ethics22的最佳学生论文奖（Best Student Paper），研究成果推进一项IETF标准草案。联系邮箱：liumx@zgclab.edu.cn。

参考文献

[1] Lin Quan, John Heidemann, and Yuri Pradkin. 2013. Trinocular: Understanding Internet Reliability through Adaptive Probing. Proceedings of the ACM SIGCOMM 2013 Conference on SIGCOMM, 255–266.

[2] Guillermo Baltra and John Heidemann. 2020. Improving Coverage of Internet Outage Detection in Sparse Blocks. International Conference on Passive and Active Network Measurement, 19–36.

[3] Philipp Richter, Ramakrishna Padmanabhan, Neil Spring, Arthur Berger, and David Clark. 2018. Advancing the Art of Internet Edge Outage Detection. Proceedings of the Internet Measurement Conference 2018, 350–363.

文案：崔世博，刘明烜，刘保君

排版：周航

审核：张一铭

跳转微信打开

大模型也看不懂的黑产黑话：真实世界对抗性地下黑话检测研究

Fri, 17 Jul 2026 17:00:00 +0800

NISL实验室 2026-07-17 17:00 北京

大模型也看不懂的黑产黑话：真实世界对抗性地下黑话检测研究

“捕鱼”可能不是捕鱼，“溜冰”也可能不是运动。在黑灰产生态中，地下产业用黑话隐藏真实业务，如将“博彩”写成“菠菜”、“bo/彩”甚至“卜余”。随着平台审核升级，这些黑话也越来越隐蔽，从简单的同音替换演变为拼音混写、符号拆分、视觉混淆等多策略组合。真实世界中的黑话远比实验室合成的样本更复杂，本文系统性刻画了这种“真实世界对抗性黑话”的特征，并提出了相应的检测方案。

原文标题： Breaking Free from Ivory Tower: Evaluating and Enhancing Real-world Chinese Underground Adversarial Jargon Detection

原文作者： Zhifan Jiang, Mingxuan Liu, Yue Qin, Baojun Liu

原文链接： https://doi.org/10.1109/SP63933.2026.00233

发表会议： 2026 IEEE Symposium on Security and Privacy (S&P 2026)

1、真实黑话的威胁与数据基础

在黑灰产生态中，地下产业黑话是一类被广泛使用的隐蔽表达，常见于非法赌博、色情引流、毒品交易、诈骗推广等场景。它们通过暗语、代称和变体词隐藏真实业务含义，帮助黑灰产群体绕过主流平台的文本内容审核。

更具挑战的是，现实中的攻击者还会持续对这些黑话进行对抗性变形。他们可能将“博彩”替换为发音相近的“菠菜”，将“捕鱼”改写为“卜余”，也可能结合拼音混写、符号插入、Emoji替换、字符拆分、视觉混淆和语义迁移等方式，构造出更加隐蔽的表达形式。这类变形既保留了面向圈内人的可理解性，又显著破坏了检测模型赖以判断的词形、语义和上下文线索。

图1：黑话与对抗性黑话示例

过去，许多对抗文本防御方法主要依赖算法生成样本进行训练，默认攻击方式有限、扰动幅度可控。但真实世界的地下对抗黑话并不遵循这些“实验室假设”：它们往往由人工精心设计，混合多种扰动策略，不受固定扰动预算限制，并深度依赖圈内语义和领域知识。

为研究真实世界中的地下对抗黑话，本文与国内安全公司合作，构建了大规模真实世界数据集。研究聚焦六类主要地下业务场景：赌博、色情、毒品、诈骗、危险品和非法推广。研究团队收集了70,000条用户举报并经过初步人工核验的垃圾短信，并从公开黑话手册、安全报告和互联网公开内容中整理黑话种子词，构建出高质量的中文地下黑话词典。最终形成的数据集包含1,020个黑话和8,576个去重后的真实对抗变体，覆盖10种主要扰动类型。

2、真实黑话的三重特征

将真实样本与算法生成的对抗样本进行对比后，本文发现真实黑话具有三个显著特征。

第一，真实黑话的扰动强度远超实验室样本。算法生成样本通常只做轻量级替换，例如将“博彩”改成“菠菜”。但真实黑灰产会同时叠加多种混淆手段，例如把“博彩”写成“bo/彩”，同时混入拼音、符号和视觉噪声；甚至会将“枪支”替换为“狗”这类语义距离较远、但圈内人能够理解的暗语。这样的表达不只是“换个字”，而是在有意切断文本表面形式与非法含义之间的联系。

第二，真实黑话的扰动形态更加丰富多样。论文从真实数据中总结出10类主要扰动方式，包括同音替换、拼音混写、英文替换、形近字替换、字符拆分、同义替换、语义转移、符号插入、Emoji替换和序列重组。相比之下，传统算法生成方法往往只会覆盖少数几类规则化扰动，难以模拟真实地下产业从业者灵活组合、多策略混用的行为模式。

第三，真实黑话会造成更严重的结构破坏。地下产业从业者可能通过字符交换、不规则符号插入、碎片化组合和顺序重排破坏文本结构。例如，“斗地主，龙虎”在算法样本中可能被改成“抖地主，笼虎”，仍然保留较清晰的词语结构；但在真实场景中，它可能变成“斗｜龙地｜主琥｜”，使词边界和语义结构都变得支离破碎。

这种高强度、多形态、结构破碎的真实扰动，会直接导致两个问题：可读性退化和分词崩溃。实验表明，真实黑话语料的困惑度和语法错误数明显高于算法生成语料；同时，主流中文分词工具在真实黑话数据集上表现很差，即使最好的分词器F1分数也不足46%，远低于其在标准语料数据集上的表现。

图2：对抗性黑话扰动策略分类

3、大模型能理解真实地下黑话吗？

大语言模型具备较强的上下文理解、语义推理和跨领域泛化能力，因此常被认为有望应对复杂的文本安全问题。为验证其在真实地下对抗黑话场景中的能力边界，论文评估了10个主流大语言模型在真实中文地下对抗黑话上的表现，包括GPT-4o、GPT-3.5-Turbo、DeepSeek-R1、DeepSeek-V3、GLM-4-Plus、Doubao、Claude-Sonnet-4、Llama-3.1-70B和ERNIE-4.5等。

评估围绕三个任务展开：一是识别文本中是否存在被扰动的地下黑话；二是将这些黑话恢复为规范形式；三是进一步判断文本是否包含赌博、诈骗、毒品等地下业务意图。

结果显示，即使是先进大语言模型，也难以完全理解真实对抗黑话。

例如，GPT-4o在黑话检测、黑话恢复和非法语义识别上的准确率分别为88.16%、62.74%和76.05%；而GPT-3.5-Turbo和Llama-3.1-70B等模型的恢复成功率甚至低于20%。这表明，真实对抗黑话不仅能够绕过传统检测器，也进一步暴露了现有大语言模型在隐蔽的对抗黑话理解方面的能力边界。

此外，研究还发现不同扰动方式对模型的影响也并不相同。其中，序列重组最具破坏性，几乎会让所有模型在检测和恢复上失效；符号插入会破坏词语边界，使模型难以识别原始黑话；同义替换则因为表面表达较为自然，更容易让模型误判为正常文本。Few-shot提示、多轮恢复和模型路由等常见增强方法虽然可以带来一定提升，但仍无法彻底解决问题。

图3：不同大模型在真实对抗性黑话理解任务上的性能表现

4、JADE：面向真实对抗黑话的检测框架

针对真实对抗黑话这类现实挑战，本文提出JADE，一个面向中文地下对抗黑话的端到端检测与恢复框架。JADE的核心思想是：将真实黑话扰动模式组织成分类体系，并结合外部知识检索和内部参数高效微调，提升大语言模型对隐蔽黑话的理解能力。

JADE主要包括三个关键模块。

黑话分类体系构建与扩展。本文按照赌博、色情、毒品、诈骗、危险品和非法推广六大领域组织黑话知识，将规范黑话、对抗变体和扰动类型连接起来，形成“领域—规范词—对抗变体”的层次结构。为了缓解不同领域样本分布不均的问题，JADE还利用GPT-4o从真实样本中归纳扰动规律，并针对低资源领域和难检测扰动类型进行数据增强。

外部知识检索。当输入文本中出现疑似对抗黑话时，JADE会利用中文的字符、拼音、字形和语义信息，从知识库中检索相似样例。这样，大语言模型在判断时不仅依赖自身参数，还能参考真实黑话案例，包括某个变体可能对应的规范词、出现过的上下文以及扰动方式，从而提高识别和恢复准确率。

内部参数高效适配。 JADE使用LoRA对指令微调模型进行轻量化适配，让模型学习“对抗黑话”到“规范黑话”的映射关系。相比全量微调，LoRA训练成本更低、更新更灵活，也更适合应对地下黑话不断演化的现实场景。

在最终推理阶段，JADE采用三阶段流程：第一步，将文本中的对抗黑话恢复为规范形式；第二步，定位原文中的对抗片段，并与恢复结果进行语义对齐；第三步，基于恢复后的文本判断其是否包含地下业务意图。通过这一流程，JADE不仅能判断文本是否存在风险，还能解释风险来自哪些黑话表达及其真实含义。

图4: JADE 面向对抗性黑话检测的整体框架

5、JADE的检测效果与泛化能力

实验结果表明，JADE显著优于商业大语言模型和普通微调模型。在真实黑话数据集上，JADE实现了98.59%的黑话检测准确率、95.91%的黑话恢复准确率和97.99%的非法内容检测准确率。这意味着，JADE不仅能更准确地发现文本中的对抗黑话，也能更好地还原其真实含义，并进一步判断文本是否涉及赌博、诈骗、毒品、色情引流等地下业务。

与最佳基线方法相比，JADE在检测和恢复任务上都有明显提升。消融实验也表明，JADE的性能提升来自多个模块的协同作用：外部知识检索为模型提供真实样例参考，内部参数适配帮助模型学习黑话变形规律，而分类体系引导的数据增强进一步提升了模型对长尾领域和复杂扰动类型的覆盖能力。

此外，JADE还展现出较好的泛化能力。在新的真实短信数据上，JADE仍保持97.90%的检测率和94.95%的恢复率；在有害文本检测和诈骗检测任务上，也分别取得0.9325和0.9433的F1分数。这说明JADE并不只是针对某个数据集“刷分”，而是能够迁移到其他中文对抗文本检测场景。

6、总结与展望

论文围绕真实世界中文地下对抗黑话展开系统研究，构建了大规模标注数据集，并揭示了真实黑话与算法生成样本之间的关键差异：真实黑话扰动更强、形态更多、结构更碎，不仅会降低文本可读性、破坏中文分词，还会显著削弱现有大语言模型的检测和恢复能力。

为应对这一挑战，本文提出JADE检测框架，将真实黑话扰动模式组织为分类体系，并结合数据增强、外部知识检索和LoRA参数高效适配，实现对地下对抗黑话的识别、恢复与非法内容判定。实验结果表明，JADE能够在真实场景中更准确地识别隐蔽黑话，并具备较好的泛化能力。

这项工作不仅为黑灰产内容治理提供了新的数据集和技术方案，也进一步说明：真实世界中的对抗文本远比实验室样本更加复杂。面对不断演化的地下黑话和规避手段，安全社区需要更多关注真实场景中的攻击行为，并构建能够持续学习、动态更新和跨场景迁移的内容安全防御体系。

数据集公开

本文构建的真实黑话数据集已部分公开，研究人员可通过以下方式获取：

• 访问项目主页获取标注样本和扰动分类体系：https://github.com/jzf1231/JADE

• 完整数据集因涉及真实黑灰产内容，需向以下邮件提交研究用途申请后获取：jiangzf1231@zju.edu.cn，请同时抄送lbj@tsinghua.edu.cn，liumx@zgclab.edu.cn

作者简介

姜知繁，浙江大学工程师学院硕士研究生，主要研究方向为地下产业检测治理与网络测量。以第一作者身份在国际顶级会议 IEEE S&P 发表论文1篇，已累计获得多个 CNVD 漏洞编号。

刘明烜，中关村实验室副研究员。科研方向聚焦于数据驱动的网络空间安全研究，具体包括人工智能安全、网络犯罪检测与网络测量。在CCS、NDSS、USENIX Security、SP、TDSC、ACSAC、RAID、ESORIS等国际网络及安全领域国际顶级会议和期刊上发表20余篇论文（含网络空间安全四大领域顶会论文10余篇），曾获得NDSS 26的最佳论文奖（Distinguished Paper）以及Ethics22的最佳学生论文奖（Best Student Paper），研究成果推进一项IETF标准草案，研究成果取得10余个CNVD、CNNVD、CVE等高危漏洞编号，相关研究成果均落地产业界，获得百度、阿里、腾讯、奇安信等知名企业的应用致谢。

参考文献

[1] Su, Hui, et al. “Rocbert: Robust chinese bert with multimodal contrastive pretraining.” Proceedings of the 60th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers). 2022.

[2] Xiao, Yunze, et al. “ToxiCloakCN: Evaluating robustness of offensive language detection in Chinese with cloaking perturbations.” Proceedings of the 2024 Conference on Empirical Methods in Natural Language Processing. 2024.

[3] Tang, Min, et al. “CHIFRAUD: A Long-term Web Text Dataset for Chinese Fraud Detection.” Proceedings of the 31st International Conference on Computational Linguistics. 2025.

文案：刘明烜，姜知繁

排版：周航

审核：张一铭

跳转微信打开

NISL 毕业季 | 探索不止，壮志同行

Wed, 01 Jul 2026 12:00:00 +0800

NISL实验室 2026-07-01 12:00 美国

Connection keeps alive!

毕

业

启程

六月，带着夏日的燠热，

却也充满了毕业生们的昂扬与荣耀。

今年盛夏，又一批NISL的小大伙伴

顺利完成学业，满载梦想，不忘初心，

奔赴辽阔山海，欲览万丈风华！

GRADUATION HIGHLIGHTS

0x01 毕业掠影

DIRECTOR'S MESSAGE

0x02 导师寄语

亲爱的同学们：

　　恭喜你们顺利毕业！在清华园，也在广阔的网络空间里，你们经历了数年的学习、生活与探索，一步步走近人类知识的边界，终于迎来人生中又一个高光时刻，并将闪亮地开启自己的职业生涯。很开心，从今天起，我们是同行了。

　　希望你们始终保持对未知的好奇、敢于质疑的勇气，以及学者应有的严谨与诚实；带着清华赋予你们的底气和锋芒，继续说真话、做实事，造新知、解难题。也希望你们记得，人生不是一场必须始终满负荷运行的实验，偶尔也要允许自己缓一缓、看看风景。

　　祝大家前程开阔，内心笃定，既有改变世界的本领，也有享受生活的从容。

网络研究院

段海新

祝愿各位毕业生鹏程万里。愿大家在人生的新旅程中，既能全力奔赴，也能从容停歇。正如 TCP中的 Keep alive，不必让连接始终繁忙，却始终保持可达。愿大家始终与热爱、与伙伴、与初心、与NISL保持连接。也许未来会出现漫长的沉寂，只要轻轻确认便能得知：彼此依然都在。

欢迎校友们常回家看看！

文案&排版 | 游子權

审核 | 张一铭

跳转微信打开

【学术报告】低轨卫星网络测量研究

Mon, 18 May 2026 15:57:00 +0800

NISL实验室 2026-05-18 15:57 北京

【学术报告】低轨卫星网络测量研究

报告题目: 低轨卫星网络测量研究

分享嘉宾:潘建平，加拿大维多利亚大学计算机科学系教授

会议时间: 2026年5月25日（周一）10:00-11:00

会议地点：清华大学FIT 3-225

报告简介：

以 Starlink（星链）为代表的低轨（LEO）卫星网络近期备受关注，然而这些网络的内部运行机制在很大程度上仍不为人所知。本次报告将介绍一项针对 Starlink 和 OneWeb 的持续性测量研究，涵盖了部署在屋顶、车辆、船只及飞机上的终端设备。报告内容包括对卫星接入网、信关站（Gateway）与入网点（PoP）结构、以及骨干网和互联网连接的深度分析，并揭示了适用于其他低轨卫星服务商的见解。此外，报告还将探讨 6G 移动通信系统所构想的“空天地海”一体化网络带来的挑战与研究机遇，并呼吁学术界从实践与实验角度共同努力。

报告人介绍：潘建平（Jianping Pan）博士，加拿大维多利亚大学（University of Victoria）计算机科学系教授。他本科及博士毕业于南京东南大学计算机科学系，随后在加拿大滑铁卢大学从事博士后研究。潘教授曾先后供职于富士通实验室（Fujitsu Labs）和 NTT 实验室。他的主要专业领域为计算机网络与分布式系统，目前的科研兴趣包括先进网络协议、网络系统性能分析及应用网络安全。潘教授曾获得多项学术荣誉，包括 2009 年 IEICE 最佳论文奖、2010 年电信振兴基金会（TAF）Telesys 奖、WCSP 2011 最佳论文奖、IEEE Globecom 2011 最佳论文奖、2012 年 JSPS 邀请奖学金、IEEE ICC 2013 最佳论文奖、2016 年 NSERC DAS 奖、IEEE ICDCS 2021 最佳海报奖以及 2021 年 DND/NSERC DGS 奖。他长期担任 IEEE INFOCOM、ICC、Globecom、WCNC 和 CCNC 等国际顶尖计算机通信与网络会议的技术程序委员会（TPC）成员。他曾担任 IEEE Globecom 2012 无线传感器网络专题联合主席，并曾任 IEEE Transactions on Vehicular Technology 副主编。潘教授是 ACM 资深会员（Senior Member），并被授予 IEEE 会士（Fellow）称号。

如果大家对研究相关的经验和建议感兴趣，欢迎与潘教授联系讨论：http://tinyurl.com/panabc

跳转微信打开

清华大学网络研究院NISL实验室发布SecCodeBench 2.0：面向智能编码工具的代码安全评测体系升级

Wed, 24 Sep 2025 09:00:00 +0800

原创 NISL实验室 2025-09-24 09:00 北京

AI 生成代码评测体系的局限与演进

随着以大语言模型（LLM）为核心的辅助编程工具的普及，AI 生成代码的安全性 已成为业界关注的焦点。为科学地评测 AI 生成代码的安全性，发现其内在缺陷并促进模型安全能力的提升，一套全面、可靠的评测基准至关重要。

然而，社区现有的安全评测基准在三个核心维度上存在显著局限，难以真实反映模型或Agent的安全编码能力：

1. 测试用例质量参差不齐：许多数据集来自开源代码，严重依赖自动化生成和简单过滤，缺乏人工的深度参与。这导致了：

（1）数据分布失衡，大量低优先级的安全问题占据主导，无法有效衡量模型在关键漏洞上的表现；

（2）无效的测试用例，部分题目在设计上存在缺陷（例如，由于过于关注漏洞点而不是修复点，导致在给定的约束下无法生成正确的安全代码），这会导致对模型能力的系统性低估，而非客观评估；

（3）潜在数据污染，测试用例所属的开源仓库代码可能已经作为了模型的预训练语料，进而影响评估的公正性。

2. 评估方法过于单一且精度不足：现有的评估方法大多依赖于简单的正则表达式或代码检测工具，这导致它们难以准确识别语法或语义复杂的代码变体，并且完全忽略了必须通过真实运行才能验证的漏洞。更重要的是，许多评估方法忽略了功能的重要性，这导致评估标准与实际可用性脱节，甚至会将功能损坏的“安全代码”判定为更优解。

3. 未能覆盖智能编码工具：真实编程场景已进化至智能编码工具（Agentic Coding Tool），即开发者依赖的是能够自主调用工具、检索知识库的智能体。而现有基准的评估范式仍停留在对原子化API调用的测试上，这导致评测范式与真实应用场景之间存在脱节，其结论的现实参考价值也因此受限。

为科学评估模型在真实开发环境中的安全编码能力，评测体系需持续迭代以适配技术演进与场景变化。基于此，我们推出SecCodeBench 2.0，这是一个专为现代智能编码工具设计的基准测试套件，通过重构评测对象、升级评估标准与优化测试用例设计，得到了更贴合实际需求的基准框架。本文将系统阐述SecCodeBench 2.0的技术架构与核心价值，揭示其如何实现 AI编程安全评测体系的标准化与工程化。

Part.1

评测对象的重构：从“模型”到“智能体”

在1.0版本中，SecCodeBench主要聚焦于模型本身的能力验证，尤其是补全模型的代码生成效率及基础安全检测能力。然而，随着AI编程从单一模型向智能编码工具（即开发者依赖智能体调用工具、检索知识库的协作模式）的演进，评测体系需同步调整以覆盖真实场景。

2.0版本的核心升级在于：

1. 评测对象扩展至编程助手与对话模型

支持对编程助手（如IDE、VSCode 插件和 CLI工具）的端到端交互能力进行评测，关注其在多轮对话中理解用户需求、调用外部工具（如代码检测器、调试器）并逐步完成任务的能力。

对话模型则侧重于其在多轮交互下生成和修复能力的安全评测。

2. 评测场景贴近真实开发流程

引入智能编码工具的典型任务链，例如：用户提出需求 → 模型生成初步代码 → 工具检测漏洞 → 模型修复代码 → 再次验证功能。

通过模拟开发者与AI工具的协同过程，全面评估系统在动态任务中的鲁棒性与安全性。

Part.2

功能与安全评测的升级：从“宽松”到“硬核”

1.0版本的功能评测依赖语法树分析，安全评测则通过大模型的静态判断完成。2.0版本对此进行了强化，构建了全面基于可运行测试用例的动态评估体系。

1. 功能评测：严格验证代码的可执行性

核心逻辑：

所有生成的代码必须通过完整的功能测试（如单元测试、集成测试）验证，而非仅关注语法正确性。

技术实现：

每个测试用例均基于可运行的项目构建，并根据功能需求编写了多个难度偏低的测试用例，确保功能符合要求但又避免专注于测评功能。

通过自动化测试框架验证代码功能，确保生成结果在实际环境中可正常运行，并在运行失败时尝试引导大模型自我修复，避免因功能测评影响安全测评。

通过功能测评后再进行安全测评，功能未通过不予得分。

2. 安全评测：PoC 验证为主、大模型审核为辅

动态验证：

对可运行代码采用PoC（Proof of Concept）进行漏洞验证，例如反序列化漏洞、路径穿越和模板注入等。

防作弊设计，优先白名单校验，通过多种绕过PoC验证保证安全无绕过。

LLM-as-a-Judge：

对于不适合通过 PoC 进行安全验证的用例，如不安全的随机数使用等，我们引入了大模型投票判定的方式。

模型的提示词由安全专家精心编写，确保规则规范，测评结果准确。

评分体系优化：

基于pass@1指标，结合漏洞危害等级（CWE分类）、常见度及测试场景复杂度动态调整权重。

Part.3

测试用例的优化：高质量与去重设计

1.0版本的测试用例存在重复性高、覆盖场景有限等问题。2.0版本通过以下措施提升用例质量：

1. 数据来源的真实性与多样性

所有测试用例均基于阿里巴巴内部脱敏后的历史漏洞数据，确保场景的实战性。

覆盖16种CWE类型（如CWE-89、CWE-78），并衍生出代码生成（原生/提示增强）与修复（原生/提示增强）共四种模式。

2. 用例设计的精准性与唯一性

每个测试用例由功能需求、编程语言、三方库、函数接口四要素唯一标识，避免重复。

3. 质量管控流程

用例经过三位专家评审，确保设计合理性与可执行性；

在十余个模型上进行多轮实证测试与调优，确保用例的正确性、评测的公正性与挑战性。

Part.4

工程实现：可扩展性与分析能力的增强

2.0版本在工程层面进一步完善了评测框架的适配性与分析深度：

1. 多场景支持

支持模型API的多轮对话测试；

支持十余种主流智能编码工具（如IDE、VSCode 插件和 CLI工具）的端到端评测；

支持扩展至多语言测试用例；

2. 可视化与诊断能力

自动生成详尽的测试报告与日志，涵盖功能验证结果、安全漏洞详情及模型表现指标；

支持研究人员定位模型缺陷（如代码逻辑偏差、漏洞修复遗漏），为模型优化提供量化依据。

Evaluation Workflow

Part.5

评测榜单

Model 评测榜单

Agentic Coding Tool 评测榜单

结语：让安全内置于每一次生成

SecCodeBench 2.0的发布，标志着AI编程安全评测体系迈入了一个新阶段——从单纯验证模型能力，转向构建真正服务于开发者的工具生态。我们相信，安全不应是代码完成后的"补丁"，而应是开发流程中自然生长的基因。

在AI重构软件开发的今天，每一个智能体的决策都可能影响千千万万用户的体验。SecCodeBench 2.0的每一条测试用例，都是对"安全第一"理念的具象化实践：它既是开发者手中的标尺，也是模型训练的指南针。当我们用真实场景的漏洞数据训练模型，用动态验证替代静态判断，用多轮交互模拟真实开发，实际上是在为AI编程建立一套"安全免疫系统"。

这不仅是一个评测工具的升级，更是一次对AI开发伦理的重新定义。我们期望看到模型和智能编码工具的开发者能够关注生成代码的安全性，并在训练中通过技术或工程能力降低安全风险，做到负责任 AI。

当AI开始理解代码的"生命线"，当智能体学会在生成代码时自动规避风险，这才是技术真正走向成熟的标志。而这一切，始于一个简单的信念：让安全内置于每一次生成。

如需进一步了解SecCodeBench 2.0的技术细节或参与测试，欢迎访问以下链接：

测试套件：https://github.com/alibaba/sec-code-bench

评测结果：https://alibaba.github.io/sec-code-bench

阅读原文

跳转微信打开

【学术报告】LLM Security and Safety: Taxonomy, Current, and Future

Mon, 02 Sep 2024 19:18:00 +0800

2024-09-02 19:18 北京

【学术报告】LLM Security and Safety: Taxonomy, Current, and Future

报告题目：LLM Security and Safety: Taxonomy, Current, and Future

报告人：郭文博，美国加州大学教授

会议时间： 2024年9月4日（周三）15:00-17:00

会议地点：清华大学 FIT 3-230

Abstract：

In this talk, I will introduce my understanding of the taxonomy of LLM security and safety and its status. I will zoom in and discuss our recent work in using reinforcement learning for large language model jailbreaking. Finally, I will zoom out again to discuss potential future endeavors for making LLMs more secure and safe.

Bio：

Wenbo Guo is an assistant professor and Zhu chair at the UCSB CS department. His research lies in the intersection of trustworthy machine learning and ML for computer security. His recent research includes designing generative models, foundation models, and DRL agents for vulnerability analysis and mitigation, as well as improving the explainability and robustness of code generative models, LLMs, and DRL. He is a recipient of the IBM Ph.D. Fellowship (2020-2022), Facebook/Baidu Ph.D. Fellowship Finalist (2020), and ACM CCS Outstanding Paper Award (2018). His research has been featured by multiple mainstream media and has appeared in a diverse set of top-tier venues in security and machine learning. Going beyond academic research, he also actively participates in many world-class cybersecurity competitions, including the AIxCC competition as part of the Shellphish team.

阅读原文

跳转微信打开

【学术报告】无意的“劫持”：安卓应用中TLS证书验证问题的细粒度归因分析

Mon, 17 Jun 2024 21:20:00 +0800

2024-06-17 21:20 北京

【学术报告】无意的“劫持”：安卓应用中TLS证书验证问题的细粒度归因分析

报告题目: Racing for TLS Certificate Validation: A Hijacker's Guide to the Android TLS Galaxy

分享嘉宾: 赵连莹，加拿大卡尔顿大学计算机科学系副教授

会议时间: 2024年6月20日（周四）10:00-11:30

会议地点：清华大学FIT 3-225

线上会议：#腾讯会议：113-904-886 会议密码：0620

报告简介：

尽管对于安卓系统TLS的证书验证问题已经有大量研究和著作，现有工作主要基于标记整个app是否有验证问题或错误。而事实上，现今的安卓apps多集中使用多个第三方代码库来降低技术成本和缩短开发周期（如腾讯的Bugly）。我们提出细粒度的区分一个app的哪一部分导致TLS证书验证问题进而能够更好地指出哪一方应该改进（比如app开发者或者第三方库）。这对于整个社区甚至业界尤为重要。一个值得关注的重要发现是，有相当比例的apps的TLS证书验证被Java的一种全局重载机制所影响，导致在代码作者不知情的情况下实际的验证被其它代码不安全地执行，甚至跳过，我们称之为” 证书验证劫持“。

我们设计并实现了一个自动细粒度的安卓TLS证书验证检测工具Marvin。它可以具体定位到哪一方导致了证书验证问题，包括发现证书验证劫持。在使用Marvin有效分析了7826个apps之后我们发现在中国市场apps和Google Play apps之间存在很大差别：中国市场apps有55.3%被发现有证书验证问题，而Google Play apps只有6.4%。同时，证书验证劫持在有验证问题的中国市场apps中发现了34.3%，而对于Google Play apps这个比例是21.1%。更为有趣的是，验证劫持者在中国市场apps中多为第三方，而在Google Play apps中多为app开发者。我们通过模拟攻击确认这类TLS证书验证/劫持问题可以导致多种安全隐患，包括但不仅限于窃取敏感信息，伪造交易，身份伪装以及钓鱼攻击等。

报告人介绍：

赵连莹，加拿大卡尔顿大学计算机科学系副教授。主要研究方向为硬件及系统安全（固件，操作系统，以及处理器体系结构的安全支持），可信计算，鉴权，隐私以及数据保护等等。在国际知名计算机安全会议（ACM CCS，NDSS，USENIX Security，RAID，NSPW，FC等等）及期刊（TIFS，ACM CSUR等）发表多篇论文。并多次担任IEEE S&P (Oakland)，ACM CCS，USENIX CSET等多个计算机安全会议程序委员会委员并审稿，担任CSUR，TIFS等主要计算机安全期刊审稿人。早年从事大型主机（供职于IBM）及嵌入式系统方面相关工作。

阅读原文

跳转微信打开

【学术讲座】重构变色龙哈希函数：完全安全和多方设置

Mon, 06 May 2024 13:48:00 +0800

NISL实验室 2024-05-06 13:48 北京

【学术讲座】重构变色龙哈希函数：完全安全和多方设置

Title：Reconstructing Chameleon Hash: Full Security and the Multi-Party Setting（重构变色龙哈希函数：完全安全和多方设置）

Speaker： Dr. Yangguang Tian（田阳光）-- 英国萨里大学

Time：2024年5月9日（周四）14:00-15:00

Venue：FIT 3-230

Abstract:

Chameleon hash function differs from a classical hash function in a way that a collision can be found with the knowledge of a trapdoor secret key. CH schemes have been used in various cryptographic applications such as sanitizable signatures and redactable blockchains. In this work, we reconstruct CH to ensure advanced security and usability. We propose the first CH scheme, which supports full security, meaning the inclusion of both full indistinguishability and full collision-resistance. These two properties are required in the strongest CH security model in the literature. We also investigate the security of CH in the multi-party setting and introduce the new properties of claimability and deniability under this setting. In this talk, I will introduce our new proposed CH scheme, which will be presented at AsiaCCS’24.

变色龙哈希函数与经典哈希函数的不同之处在于，只要知道陷门秘钥，就能发现碰撞。CH方案已被用于各种加密应用中，例如可消毒签名和可编辑区块链。在这项研究中，我们重构了CH，确保其高级的安全性和可用性。我们提出了第一个支持完全安全性的CH方案，即包含完全不可区分性和完全抗碰撞性。这两个特性是文献中最强的CH 安全模型所要求的。我们还研究了多方环境下 CH 的安全性，并介绍了在此环境下可声称性和可否认性的新特性。本报告将介绍我们发表在AsiaCCS'24 上发表的新的CH方案。

Bio:

Dr. Yangguang Tian received his PhD degree in Applied Cryptography from the University of Wollongong, Australia. After PhD, he did post-docs at School of Information System, Singapore Management University, and iTrust, Singapore University of Technology and Design. Before Surrey, he was a research-based assistant professor at Osaka University, Japan. He is currently a lecturer at the University of Surrey, UK. His research interests include applied cryptography, network security, blockchain technologies and privacy-preserving technologies. Dr. Tian’s recent research works have been published in the cybersecurity-related international conferences and journals, such as USENIX’24, AsiaCCS’24, IEEE TIFS’23, IEEE TDSC’24, etc.

田阳光博士在澳大利亚卧龙岗大学获得应用密码学博士学位。博士毕业后，他在新加坡管理大学信息系统学院和新加坡科技设计大学 iTrust 做博士后研究。在萨里大学之前，他是日本大阪大学的助理教授。目前他是英国萨里大学的讲师（lecture）。他的研究兴趣包括应用密码学、网络安全、区块链技术和隐私保护技术。田博士近期的研究成果发表在网络安全相关的国际会议和期刊上，如 USENIX'24、 AsiaCCS'24、 IEEE TIFS'23和 IEEE TDSC'24 等。

NISL实验室

公众号

NISL_THU2020

实验室主页

netsec.ccert.edu.cn

阅读原文

跳转微信打开

【学术沙龙】NISL 1月11日活动预告 - TO BE ON AIR

Wed, 10 Jan 2024 17:00:00 +0800

NISL实验室 2024-01-10 17:00 北京

清华大学网络与信息安全实验室学术论文分享活动

NISL

清华大学网络与信息安全实验室学术沙龙，欢迎关注~

This is the Paper Reading Seminar of Network and Information Security Lab (NISL) at Tsinghua University. Tune in for more details!

时间：2024年1月11日 14:00 - 16:00

腾讯会议：https://meeting.tencent.com/dm/D21J2wuXqQPV

会议ID：711-4428-4790

会议密码：240111

* 本次分享对外公开直播，线上参会者要求实名备注“姓名-单位”

Agenda

1.【论文分享】DOITRUST: Dissecting On-chain Compromised Internet Domains via Graph Learning

Presenter: 郎峙煜
Conference: NDSS '23
Authors: Wang S, Almashor M, Abuadbba A, et al.
Abstract: this paper introduces DOITRUST, a semi-supervised machine learning scheme that predicts and prunes compromised internet domains from allow-lists.
Link to paper: https://www.ndss-symposium.org/wp-content/uploads/2023/02/ndss2023_f322_paper.pdf

2.【论文分享】“Len or index or count, anything but v1”: Predicting Variable Names in Decompilation Output with Transfer Learning

Presenter: 朱文宇
Conference: S&P '24
Authors: Pal K K, Bajaj A P, Banerjee P, et al
Abstract: This paper utilizes a BERT model to predict meaningful variable names in decompilation output.
Link to paper: https://www.atipriya.com/files/papers/varbert_oakland24.pdf

# 学术沙龙问卷反馈

编辑｜陈龙飞 黄嘉盛

来源｜NISL实验室

阅读原文

跳转微信打开

【学术沙龙】NISL 1月4日活动预告 - TO BE ON AIR

Wed, 03 Jan 2024 20:02:00 +0800

NISL实验室 2024-01-03 20:02 北京

清华大学网络与信息安全实验室学术论文分享活动

NISL

清华大学网络与信息安全实验室学术沙龙，欢迎关注~

This is the Paper Reading Seminar of Network and Information Security Lab (NISL) at Tsinghua University. Tune in for more details!

时间：2024年1月4日 14:00 - 16:00

腾讯会议：https://meeting.tencent.com/dm/D21J2wuXqQPV

会议ID：711-4428-4790

会议密码：240104

* 本次分享对外公开直播，线上参会者要求实名备注“姓名-单位”

Agenda

1.【论文分享】Who’s Got Your Mail? Characterizing Mail Service Provider Usage

Presenter: 仓永康弘
Conference: IMC '21
Authors: Liu, Enze and Akiwate, Gautam and Jonker, Mattijs and Mirian, Ariana and Savage, Stefan and Voelker, Geoffrey M.
Abstract: The study conducted extensive measurements on email service providers. A project was developed to map domain names to email service providers. This method was employed to document the prominent and growing roles played by a few email service providers and hosting companies over the past four years. It also explored the extent to which nationality (and related legal jurisdiction) influences decision-making in such email service provider choices.
Link to paper: https://www.sysnet.ucsd.edu/~voelker/pubs/mx-imc21.pdf

2.【论文分享】The Blockchain Imitation Game

Presenter: 陈龙飞
Conference: USENIX Security '22
Authors: Qin, Kaihua and Chaliasos, Stefanos and Zhou, Liyi and Livshits, Benjamin and Song, Dawn and Gervais, Arthur
Abstract: This paper introduces the Blockchain Imitation Game and proposes a generalized imitation attack methodology called APE.
Link to paper: https://www.usenix.org/system/files/sec23fall-prepub-331-qin.pdf

# 学术沙龙问卷反馈

编辑｜刘一静 黄嘉盛

来源｜NISL实验室

阅读原文

跳转微信打开

机器语言大模型MLM开启邀测

Thu, 28 Dec 2023 17:00:00 +0800

作者：VUL337 2023-12-28 17:00 北京

MLM是清华大学网络研究院VUL337团队联合零一万物、华清未央开发的机器语言大模型，首次全面支持可执行程序/二进制程序/闭源软件结构分析，不依赖源代码或调试信息，为漏洞、恶意代码、供应链、版权保护等软件安全问题提供高效智能化解决方案。

全球首家！机器语言大模型MLM开启邀测

WELCOME TO TEST

在人工智能技术的浪潮中，大模型的革命性突破正不断重塑我们对自然语言的理解和处理能力。然而，作为万物智能互联时代机器运行的底层语言，机器语言一直是我们人类认知的盲区。现在，这一领域迎来了新的曙光。

12月28日，NISL实验室VUL337团队联合零一万物、华清未央共同研发的“Machine Language Model”（MLM）作为全球首家推出的机器语言大模型正式开启邀测，邀请业内专家进行测试。继12月1日MLM首次在业界亮相后，这是我们首次向广大用户开放试用的机会。欢迎大家踊跃参与，共同见证和探索MLM的潜力与未来。

七年磨一剑，团队内部迭代了多个智能模型，此刻推出的MLM模型“以魔法打败魔法”，通过机器语言大模型帮助我们理解网络空间的底层运行逻辑。

【点击阅读原文，立即体验机器语言大模型“MLM”】

长按识别或扫描二维码进入官方网站

*建议使用PC或Mac以获得最佳体验效果。

关于我们

ABOUT MLM

“MLM”是面向机器语言领域的专用大模型，基于创新的模型架构和采集的大数据自主预训练得到，初步提供了全面的智能化软件逆向分析能力。机器语言构成了网络空间机器执行的各类软件，包括可执行程序、二进制文件和闭源软件等，是信息时代的基石。MLM模型能深入剖析这些软件，实现从结构到语义层面的全面解读，推动软件安全分析、性能优化、功能拓展等技术的发展。

在操作层面，目前公开邀请测试的MLM模型提供了部分关键功能，支持“在线体验”和“IDA插件”两种使用模式。用户可以通过web界面或者插件上传待分析可执行程序，然后获得模型生成的软件函数列表、函数反汇编片段和易于理解的类C语言函数。此外，邀测的MLM模型还支持基于自然语言的语义解释和代码搜索，并可以基于语义对软件中无符号的函数进行智能重命名。

通过分析一个Example示例程序（图1），我们可以直观地看到“MLM”的强大功能：

图1: 待分析的Example示例程序，其功能是验证用户名和口令

用户可以通过MLM的web界面上传示例程序（图2），也可以通过“IDA插件”实现类似功能。值得注意的是，当前插件版提供的功能更丰富。

图2: 通过“在线体验”版MLM上传示例程序

用户可以通过自然语言搜索具有特定语义的关键代码（图3）。例如，该程序功能是验证用户名和口令，猜测它可能包含一些密码算法来进行验证。因此，分析人员可以输入自然语言“Crypto”搜索具有相关语义的函数。

图3: MLM基于语义搜索定位关键函数功能

选取目标函数后，MLM模型可以反汇编该函数（原始的机器码字节），输出其汇编代码。通常情况下，分析人员可以阅读汇编码来理解函数语义，但是该过程非常枯燥且要求极高。幸运的是，我们的MLM模型可以自动将汇编码进一步反编译，生成清晰、简洁的类C/C++语言代码（图4）。简单地阅读该代码的逻辑后，可以看出来，该函数功能是判断用户名是否等于admin，以及判断用户口令的MD5散列值是否等于21232f297a57a5a743894a0e4a801fc3。

图4: MLM生成的类C语言代码

值得注意的是，业内当前最领先的IDA PRO软件也支持反编译，生成的类C语言代码（图5）。两者相比执行，MLM的输出更为准确、直观易懂。例如，MLM模型准确识别出了MD5函数、给函数内的局部变量进行了命名、恢复了类型，且恢复了C++的标准输出语句，极大便利了分析人员。

图5: IDA PRO反编译生成的类C语言代码

当然了，阅读类C/C++代码也是有技术门槛的，MLM还贴心地为我们提供了代码语义解释功能（图6）。模型可以直接为函数生成一段自然语言的文本，描述函数的主要功能。根据我们的测试，MLM模型在机器语言/汇编代码的语义解释上的表现非常不错，表现非常出色和丝滑，领跑各类其他大模型，欢迎大家来找茬。

图6: MLM生成的代码语义解释

MLM还有更多好玩有用的功能等待进一步开放，也欢迎大家在使用过程中给我们提需求。目前，我们开放上线的“MLM”模型已支持10MB以内的x86、x64的PE、MACHO、ELF格式的可执行程序。使用“IDA插件”模式的用户请在注册后由网页端下载IDA插件并获取访问token。我们目前处于小范围“邀测期”，欢迎大家申请试用。我们将对所有申请进行审核，根据算力资源情况逐步开放。通过审核后，用户即可体验“MLM”机器语言大模型。请注意，作为中立的技术服务提供商，我们强调合法、合规、合理地使用此服务，请关注我们在官方网站上的服务声明。

MLM模型的推出，为用户提供了前所未有的高效、直接、智能化的软件理解和分析能力，突破了传统技术对源代码或者调试信息、专家知识的依赖。它有望成为对抗各类安全威胁——包括漏洞攻击、恶意代码（僵木蠕、后门、勒索软件等）、版权侵权、供应链风险等软件安全挑战——的利器，成为发现隐私泄露、数据安全风险的利器，甚至成为软件优化、改造、生成的利器。它可改变软件分析的工作模式，突破现有技术瓶颈，为软件安全分析、性能优化、功能改造等应用场景带来颠覆性解决方案。我们期待与学术界和工业界的同仁们共同推动机器语言大模型的持续进步。

我们欢迎任何关于MLM的合理意见和建议，请通过mlm@vul337.team / mlm@01.ai与我们联系。

点击阅读原文，立即申请“MLM”机器语言大模型测试，开始您的体验之旅！

文案&编辑：张超陈龙飞

阅读原文

跳转微信打开

【学术沙龙】NISL 12月28日活动预告 - TO BE ON AIR

Wed, 27 Dec 2023 17:00:00 +0800

NISL实验室 2023-12-27 17:00 北京

清华大学网络与信息安全实验室学术论文分享活动

NISL

清华大学网络与信息安全实验室学术沙龙，欢迎关注~

This is the Paper Reading Seminar of Network and Information Security Lab (NISL) at Tsinghua University. Tune in for more details!

时间：2023年12月28日 14:00 - 16:00

腾讯会议：https://meeting.tencent.com/dm/D21J2wuXqQPV

会议ID：711-4428-4790

会议密码：231228

* 本次分享对外公开直播，线上参会者要求实名备注“姓名-单位”

Agenda

1.【论文分享】Cloud Watching: Understanding Attacks Against Cloud-Hosted Services

Presenter: 王艺辰
Conference: IMC '23
Authors: Liz Izhikevich, Manda Tran, Michalis Kallitsis, Aurore Fass, Zakir Durumeric
Abstract: This paper utilizes a diverse set of cloud honeypots across multiple providers and countries to analyze the targeting behaviors of attackers in cloud environments.
Link to paper: https://arxiv.org/pdf/2309.13471.pdf

2.【论文分享】PonziGuard: Detecting Ponzi Schemes on Ethereum with Contract Runtime Behavior Graph (CRBG)

Presenter: 陈鹤影
Conference: ICSE ’24
Authors: R Liang, J Chen, K He, Y Wu, G Deng, R Du, C Wu
Abstract: This paper introduces a high-performance blockchain Ponzi detection scheme based on CRBG and GNN.
Link to paper: https://wu-yueming.github.io/Files/ICSE2024_PonziGuard.pdf

# 学术沙龙问卷反馈

编辑｜陈龙飞 黄嘉盛

来源｜NISL实验室

阅读原文

跳转微信打开

【学术沙龙】NISL 12月21日活动预告 - TO BE ON AIR

Wed, 20 Dec 2023 19:58:00 +0800

NISL实验室 2023-12-20 19:58 北京

清华大学网络与信息安全实验室学术论文分享活动

NISL

清华大学网络与信息安全实验室学术沙龙，欢迎关注~

This is the Paper Reading Seminar of Network and Information Security Lab (NISL) at Tsinghua University. Tune in for more details!

时间：2023年12月21日 14:00 - 16:00

腾讯会议：https://meeting.tencent.com/dm/D21J2wuXqQPV

会议ID：711-4428-4790

会议密码：231221

* 本次分享对外公开直播，线上参会者要求实名备注“姓名-单位”

Agenda

1.【论文分享】Changing of the Guards: Certificate and Public Key Management on the Internet

Presenter: 赵汉卿
Conference: PAM '22
Authors: Bruhner C M, Linnarsson O, Nemec M, et al.
Abstract: This paper first proposes a novel Server-side Certificate Replacement (CR) relational feature, and optimizes the certificate revocation process.
Link to paper: https://link.springer.com/chapter/10.1007/978-3-030-98785-5_3

2.【论文分享】Tightly Seal Your Sensitive Pointers with PACTIGHT

Presenter: 荣易
Conference: Usenix Security ’22
Authors: Ismail M, Quach A, Jelesnianski C, et al.
Abstract: This paper utilizes Pointer Authentication (PA) to build a novel scheme to completely prevent any misuse of security-sensitive pointers.
Link to paper: https://www.usenix.org/conference/usenixsecurity22/presentation/ismail

# 学术沙龙问卷反馈

编辑｜刘一静 黄嘉盛

来源｜NISL实验室

阅读原文

跳转微信打开

【学术沙龙】NISL 12月14日活动预告 - TO BE ON AIR

Wed, 13 Dec 2023 17:00:00 +0800

NISL实验室 2023-12-13 17:00 北京

清华大学网络与信息安全实验室学术论文分享活动

NISL

清华大学网络与信息安全实验室学术沙龙，欢迎关注~

This is the Paper Reading Seminar of Network and Information Security Lab (NISL) at Tsinghua University. Tune in for more details!

时间：2023年12月14日 14:00 - 16:00

腾讯会议：https://meeting.tencent.com/dm/D21J2wuXqQPV

会议ID：711-4428-4790

会议密码：231214

* 本次分享对外公开直播，线上参会者要求实名备注“姓名-单位”

Agenda

1.【论文分享】It’s (DOM) Clobbering Time: Attack Techniques, Prevalence, and Defenses

Presenter: 周安鹏
Conference: S&P '23
Authors: Khodayari, Soheil, and Giancarlo Pellegrino
Abstract: This paper systematically reviews HTML markup that can be used for DOM clobbering, then tests the prevalence and impact of this vulnerability on the top 5k websites in the Tranco list, and finally proposes some mitigation measures.
Link to paper: https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=10179403

2.【论文分享】Dubhe: Succinct Zero-Knowledge Proofs for Standard AES and related Applications

Presenter: 李贇
Conference: Usenix Security ’23
Authors: Ding, Changchang, and Yan Huang
Abstract: The paper proposes a new succinct zero-knowledge argument of knowledge that enables linear prover, logarithmic verifier and logarithmic communication, and applies the argument system to various AES-based applications.
Link to paper: https://www.usenix.org/system/files/usenixsecurity23-ding-changchang.pdf

# 学术沙龙问卷反馈

编辑｜陈龙飞 黄嘉盛

来源｜NISL实验室

阅读原文

跳转微信打开

【学术沙龙】NISL 12月07日活动预告 - TO BE ON AIR

Wed, 06 Dec 2023 17:00:00 +0800

NISL实验室 2023-12-06 17:00 北京

清华大学网络与信息安全实验室学术论文分享活动

NISL

清华大学网络与信息安全实验室学术沙龙，欢迎关注~

This is the Paper Reading Seminar of Network and Information Security Lab (NISL) at Tsinghua University. Tune in for more details!

时间：2023年12月07日 14:00 - 16:00

腾讯会议：https://meeting.tencent.com/dm/D21J2wuXqQPV

会议ID：711-4428-4790

会议密码：231207

* 本次分享对外公开直播，线上参会者要求实名备注“姓名-单位”

Agenda

1.【论文分享】Tranco: A research-oriented top sites ranking hardened against manipulation

Presenter: 王一航
Conference: NDSS '19
Authors: Victor Le Pochat, Tom Van Goethem, Samaneh Tajalizadehkhoob, Maciej Korczyński, Wouter Joosen
Abstract: This article conducts a comprehensive analysis of four mainstream domain name ranking lists, including Alexa and Cisco, from five aspects including similarity and stability, and finds that each domain name ranking has at least one malicious way to manipulate the ranking. To address this weakness, the author proposed a list of manipulation-resistant and reproducible domain names, called Tranco, and made it available to the public.
Link to paper: https://arxiv.org/abs/1806.01156

2.【论文分享】LibAFL: A Framework to Build Modular and Reusable Fuzzers

Presenter: 王一燚
Conference: CCS '22
Authors: Fioraldi, Andrea and Maier, Dominik Christian and Zhang, Dongjia and Balzarotti, Davide
Abstract: This paper propose a framework to build modular and reusable fuzzers.
Link to paper: https://dl.acm.org/doi/10.1145/3548606.3560602

# 学术沙龙问卷反馈

编辑｜陈龙飞 黄嘉盛

来源｜NISL实验室

阅读原文

跳转微信打开

【学术沙龙】NISL 11月30日活动预告 - TO BE ON AIR

Wed, 29 Nov 2023 17:00:00 +0800

NISL实验室 2023-11-29 17:00 北京

清华大学网络与信息安全实验室学术论文分享活动

NISL

清华大学网络与信息安全实验室学术沙龙，欢迎关注~

This is the Paper Reading Seminar of Network and Information Security Lab (NISL) at Tsinghua University. Tune in for more details!

时间：2023年11月30日 14:00 - 16:00

腾讯会议：https://meeting.tencent.com/dm/D21J2wuXqQPV

会议ID：711-4428-4790

会议密码：231130

* 本次分享对外公开直播，线上参会者要求实名备注“姓名-单位”

Agenda

1.【论文分享】Cross Layer Attacks and How to Use Them (for DNS Cache Poisoning, Device Tracking and More)

Presenter: 金拯龙
Conference: S&P '23
Authors: Klein, Amit.
Abstract: This paper introduces the weakness in the pseudo-random number generator in the Linux kernel, which can be exploited to infer UDP source ports, IPv6 flow labels, and IPv4 IDs, enabling cross-layer attacks such as DNS cache poisoning and device tracking.
Link to paper: https://ieeexplore.ieee.org/document/9519455

2.【论文分享】Handcrafted Backdoors in Deep Neural Networks

Presenter: 吴钰枭
Conference: NeurIPS '22
Authors: Hong, Sanghyun and Carlini, Nicholas and Kurakin, Alexey.
Abstract: This paper introduce a handcrafted attack that directly manipulates a model's weights, and it can be used by supply-chain attacker to evade many backdoor detection or removal defenses effectively.
Link to paper: https://arxiv.org/pdf/2106.04690.pdf

# 学术沙龙问卷反馈

编辑｜陈龙飞 黄嘉盛

来源｜NISL实验室

阅读原文

跳转微信打开

【学术沙龙】NISL 11月16日活动预告 - TO BE ON AIR

Wed, 15 Nov 2023 17:00:00 +0800

NISL实验室 2023-11-15 17:00 北京

清华大学网络与信息安全实验室学术论文分享活动

NISL

清华大学网络与信息安全实验室学术沙龙，欢迎关注~

This is the Paper Reading Seminar of Network and Information Security Lab (NISL) at Tsinghua University. Tune in for more details!

时间：2023年11月16日13:30 - 16:00

(本次邀请到嘉宾分享，提前开始)

腾讯会议：https://meeting.tencent.com/dm/D21J2wuXqQPV

会议ID：711-4428-4790

会议密码：231116

* 本次分享对外公开直播，线上参会者要求实名备注“姓名-单位”

Agenda

1.【嘉宾分享】You’ve Got Report: Measurement and Security Implications of DMARC Reporting

Presenter: 李纬同
Conference: Usenix Security’23
Authors: Mohammad Ishtiaq Ashiq Khan, Weitong Li, Tobias Fiebig, and Taejoong Chung
Abstract: This paper presents a large-scale and comprehensive measurement study of DMARC reporting deployment and management. This paper collected data for all second-level domains under the .com, .net, .org, and .se TLDs over 13 months to analyze deployment and management from the domain name owner’s perspective. This study reveals pervasive mismanagement and missing security considerations in DMARC reporting.
Bio: Weitong Li is a third year PhD student at Virginia Tech, advised by Taejoong Chung. His research interests include network security and privacy, centered around large-scale measurement and analysis. He is currently focusing on the management of protocols deployed on the Internet such as RPKI and DMARC. He received his bachelor degree from Zhejiang University in 2020, and has interned in industries like Cloudflare and Tencent.
Link to paper: https://www.usenix.org/conference/usenixsecurity23/presentation/ashiq

2.【论文分享】The State of the SameSite: Studying the Usage, Effectiveness, and Adequacy of SameSite Cookies

Presenter: 张家赫
Conference: S&P '22
Authors: Soheil Khodayari, Giancarlo Pellegrino
Abstract: This paper performs the first evaluation of the SameSite cookie policy in terms of deployment, impact on website functionality, security attribute defects, and support of browsers and web frameworks, pointing out that there is still room for improvement of the SameSite mechanism before effectively defending XS attacks.
Link to paper: https://publications.cispa.saarland/3504/1/samesite.pdf

3.【论文分享】Connecting Large Language Models with Evolutionary Algorithms Yields Powerful Prompt Optimizers

Presenter: 王佳明
Authors: Guo Q, Wang R, Guo J, et al.
Abstract: A novel framework uses evolutionary algorithms to automate and optimize discrete prompt creation for Large Language Models，significantly outperforming existing methods in various language tasks.
Link to paper: https://arxiv.org/abs/2309.08532

# 学术沙龙问卷反馈

编辑｜陈龙飞 黄嘉盛

来源｜NISL实验室

阅读原文

跳转微信打开

【学术沙龙】NISL 11月9日活动预告 - TO BE ON AIR

Thu, 09 Nov 2023 09:06:00 +0800

NISL实验室 2023-11-09 09:06 北京

清华大学网络与信息安全实验室学术论文分享活动

NISL

清华大学网络与信息安全实验室学术沙龙，欢迎关注~

This is the Paper Reading Seminar of Network and Information Security Lab (NISL) at Tsinghua University. Tune in for more details!

时间：2023年11月9日 14:00 - 16:00

腾讯会议：https://meeting.tencent.com/dm/D21J2wuXqQPV

会议ID：711-4428-4790

会议密码：231109

* 本次分享对外公开直播，线上参会者要求实名备注“姓名-单位”

Agenda

1.【论文分享】Off-Path TCP Exploits of the Mixed IPID Assignment

Presenter: 刘世明
Conference: CCS '20
Authors: Feng X, Fu C, Li Q, et al.
Abstract: The article achieves degradation of IPID allocation algorithms by sending ICMP requests in a fragmented manner. It leverages the incremental nature of IPID as a side channel to infer the victim's IP address, port, as well as the ACK and SEQ values in the TCP traffic, thereby intercepting TCP traffic.
Link to paper: https://dl.acm.org/doi/10.1145/3372297.3417884

2.【论文分享】Fuzzing SGX Enclaves via Host Program Mutations

Presenter: 李哲铭
Conference: EuroS&P '23
Authors: Khan A, Zou M, Kim K, et al.
Abstract: FUZZSGX proposes an input and program mutation-based fuzzer for Intel SGX enclave implementations. It provides an enclave fuzzing runtime, FUZZSGX RUNTIME, which is a drop-in library for the Intel SGX SDK, enabling code coverage and sanitization within enclaves. To explore the host app-enclave boundary, FUZZSGX conducts static analysis and symbolic execution on existing host apps and enclave implementations to generate promising fuzzing programs.
Link to paper: https://ieeexplore.ieee.org/document/10190488

# 学术沙龙问卷反馈

编辑｜刘一静 黄嘉盛

来源｜NISL实验室

阅读原文

跳转微信打开

【学术报告】密码安全的形式化分析与验证

Wed, 08 Nov 2023 09:47:00 +0800

2023-11-08 09:47 北京

宋富学术报告

报告人：宋富

报告时间：2023年11月10日（周五）10:00-12:00

报告地点：清华大学FIT楼 3-230

报告简介：

本报告介绍我们近几年在密码安全的形式化分析与验证的研究计划和研究进展，报告内容涵盖对称密码算法层安全的形式化分析，密码实现层时间侧信道、功耗侧信道、缓存侧信道、故障注入等安全性的形式化验证。

报告人介绍：

宋富，中国科学院软件研究所研究员，主要研究系统与软件安全验证和测试技术、及相关逻辑和自动机理论。宋富于2013年获巴黎狄德罗大学博士学位，2013年--2016年曾在华东师范大学担任讲师和副研究员，2016年-2023年担任上海科技大学助理教授、常任副教授，研究员，博士生导师。主持和参与多项国家自然科学基金委青年、面上和重点项目，曾获上海市浦江人才和上海市晨光学者人才计划资助、2021年秋季亚马逊研究奖、入选中国电子学会2023网络空间安全优秀论文，已在国际著名会议或期刊（如IEEE S&P、USENIX Security、NDSS、OOPSLA、CAV、ESEC/FSE、ICSE、ASE、ISSTA、FM、ACM TOSEM、IEEE TSE、IEEE TDSC、I&C）发表80多篇论文。

阅读原文

跳转微信打开