系统软件与安全实验室

本文分享了一份研究生科研入门指南，带领大家重新理解“读论文”这件事。

本文正式推出AgentGuard 2.1，助力开发者与企业一站式落地《指引》要求。AgentGuard 2.1 以“零信任”为架构基石，为智能体提供覆盖全生命周期的安全治理能力，确保每一次自主执行都安全、合规、可控。

本文分析了GPT-5.6在Web渗透上的能力。

本文设计了AgentCyberRange：一套面向真实网络攻击能力的评估与数据生产平台，覆盖Web 渗透、内网渗透、权限提升、防御对抗等多类场景，并记录完整攻击轨迹用于复盘与模型能力提升。目前，我们已积累数十套渗透靶场、超过500台靶机，并持续进行了数月的测试和数据收集。

本文把信息梳理、关联，并沉淀成一套可以直接使用的情报系统。

本文提出了一套实时检测与自适应缓解框架：不依赖训练集比对，不修改用户提示词，也不需要中断后重新生成，直接在生成过程中监测模型状态，并在记忆风险出现时进行轻量修正，使生成轨迹回到稳定、安全的非记忆分布。

本文提出 3D-ANC，希望为 3D 点云模型装上一块“磁力分拣盘”：借助神经坍缩机制，让同类点云特征自动聚向自己的类别磁极，让容易混淆的异类进一步拉开距离，从模型内部提升点云识别的对抗鲁棒性。

USENIX Security 2026 我实验室将有 8 篇论文在会上进行分享！

USENIX Security 2026 我实验室将有 8 篇论文在会上进行分享！

团队提出Unified Visual Safety Regulator（UVR）。UVR 在生成过程中主动定位不安全视觉区域，并对相关危险信息流进行调控，从而统一提升图像生成与图像编辑任务的安全性。该方法无需重新训练模型，却能够在安全性、图像质量和编辑能力之间取得良好平衡。