【论文分享】思考更深，生成更强：基于数据流聚合与工作流分解的模糊测试驱动自动生成
模糊测试的高效性，取决于测试数据能否深入待测程序的内部逻辑。对于C语言编写的系统库和复杂应用，仅从最外层入口如命令行工具进行测试，往往只能覆盖外围代码，大量核心功能模块被层层封装，难以触及。为此，业界引入了模糊测试驱动（harness），并借助大语言模型（LLM）辅助harness的自动生成。
2026年7月
【论文分享】你的”空间”成了攻击者的”地盘”：预训练模型平台上 AI 应用的安全风险研究
在 Hugging Face、Replicate、ModelScope 这些主流预训练模型平台上，把模型封装成"开箱即用"的在线 AI 应用（AI-App，在 Hugging Face 上被称为 Space） 已经很常见。用户无需本地显卡、无需配置环境，打开浏览器或调用 API 就能做推理和微调。截至 2025 年 12 月，仅 Hugging Face 一家就托管了超过 93 万 个公开 AI 应用。