Bonan Ruan 阮博男

GitHub 持续集成（CI）工作流正越来越多地集成大语言模型（LLM），以自动完成审查、分流、内容生成和仓库维护。这带来了新的攻击面：外部可控的工作流输入可以影响 LLM 的提示与输出，继而影响安全决策、仓库状态或特权执行。尽管 LLM 安全和 CI 安全都已得到广泛研究，两者的交叉领域仍缺乏探索。本文首次系统研究 GitHub CI 工作流中由 LLM 引发的安全风险。我们沿完整执行链刻画问题，并建立由高层风险类别和具体威胁向量组成的分类体系。为在实践中检测此类风险，我们设计了混合分析框架 Heimdallr：它将工作流规范化为 LLM-Workflow Property Graph（L-WPG），并结合可触发性分析、LLM 辅助的数据流摘要和确定性传播，生成具体的威胁向量发现。在 300 个经人工标注的独立工作流上，Heimdallr 在 LLM 节点识别（F1 = 0.994）、可触发性分类（99.8%）和威胁向量检测（微平均 F1 = 0.917）方面均取得很高的准确率。作为持续检测与披露工作的一部分，我们目前已负责任地披露了分布在 759 个仓库中的 802 个易受攻击工作流实例，并收到 71 次确认。

尽管 AI 智能体在代码生成和软件问题解决方面展现出非凡能力，其覆盖完整软件 DevOps 周期的能力仍不明确。与单纯的代码生成不同，处理真实软件中的开发、部署与运维，需要分析大规模项目、理解动态程序行为、使用领域专用工具并进行连续决策。然而，现有基准聚焦于孤立问题，缺少面向 DevOps 的环境和工具接口。我们提出 DevOps-Gym，这是首个评估 AI 智能体核心 DevOps 工作流的端到端基准，涵盖构建与配置、监控、问题解决和测试生成。DevOps-Gym 收录了来自 30 多个 Java 和 Go 项目的 700 多个真实任务。我们开发了半自动数据收集机制，并投入严谨且大量的专家工作来保证任务覆盖面与质量。对前沿模型和智能体的评估揭示了根本性局限：它们难以解决 Java 和 Go 中的问题与测试生成任务，也仍无法处理监控、构建和配置等新任务。这些结果表明，利用 AI 智能体自动化完整 DevOps 周期仍需要重要的基础研究。

识别影响范围和规模是评估软件供应链漏洞的关键，但现有研究存在明显局限。首先，既有工作要么停留在粗粒度的软件包层面，产生大量误报；要么无法实现覆盖整个生态系统的漏洞传播分析。其次，CVSS 等漏洞评估指标能够刻画单个漏洞，却没有指标专门量化漏洞在软件供应链中传播所产生的动态影响。为解决这些问题并实现准确、全面的漏洞影响评估，我们提出：（i）一种基于分层工作列表的算法，用于生态系统级和调用图级漏洞传播分析；（ii）Vulnerability Propagation Scoring System（VPSS），用于动态量化漏洞影响的范围及其演化。我们在 Java Maven 生态中实现原型，并使用 100 个真实漏洞进行评估。实验结果表明，该方法能够有效开展生态系统级漏洞传播分析，VPSS 也为漏洞影响提供了实用的量化度量。

PHP 是 Web 开发中的主流脚本语言，支撑着从个人博客到大型平台的众多网站。现有研究主要关注代码注入等 PHP 应用层安全问题，而 PHP 解释器内部的内存错误在很大程度上被忽视。PHP 解释器包含庞大的 C 代码库，因此此类内存错误较为常见，并会严重威胁 PHP 服务器的机密性、完整性和可用性。本文提出 FlowFusion，这是首个自动检测 PHP 解释器内存错误的模糊测试框架。FlowFusion 使用数据流高效表示 PHP 开发者维护的测试用例，将两个或多个测试用例融合，生成具有更复杂代码语义的新测试用例。此外，FlowFusion 还采用测试变异、接口模糊测试和环境交叉等策略提高缺陷发现能力。评估中，FlowFusion 在 PHP 解释器中发现 158 个未知缺陷，其中 125 个已修复、11 个已确认。与官方测试套件和简单拼接测试的方法相比，FlowFusion 能够发现这些方法遗漏的新缺陷，并获得更高的代码覆盖率。与前沿模糊测试工具 AFL++ 和 Polyglot 相比，FlowFusion 在 24 小时测试后多覆盖 24% 的代码行。FlowFusion 已获得 PHP 开发者的广泛认可，并被集成到 PHP 官方工具链中。

复现 Linux 内核漏洞是系统安全中的关键任务。漏洞复现需要易受攻击的环境和 Proof of Concept（PoC）程序。现有研究大多关注 PoC 的生成，却忽略了环境构建。然而，搭建能够触发漏洞的有效环境颇具挑战。首先，在线数据库中的漏洞版本声明有时并不准确，因此难以保证所选内核版本确实存在漏洞。其次，许多漏洞无法在使用默认配置构建的内核中复现；必须设置复杂的非默认内核配置，才能包含并触发特定漏洞，但如何识别这些配置的信息非常有限。

为解决这些问题，我们提出基于补丁的方法识别真实的易受攻击内核版本，并提出基于图的方法识别激活特定漏洞所需的配置。我们将这些方法实现为 KernJC，自动生成内核漏洞的易受攻击环境。为评估 KernJC，我们构建了一个数据集，包含过去五年内核漏洞研究中 66 个具有 PoC 的代表性真实漏洞。评估显示，KernJC 成功为所有这些漏洞构建环境，其中 32 个（48.5%）需要非默认配置，另有 4 个在 National Vulnerability Database（NVD）中的版本声明不正确。此外，我们还对内核漏洞开展大规模错误版本检测，发现 NVD 中有 128 个漏洞存在错误的版本声明。为促进后续研究，我们向社区开源 KernJC 及其数据集。