写在前面：仅写学习心得~~（其实是游记）~~，并非响应报告的总结与归纳。
智绘漏洞，盾筑苍穹：漏洞智慧挖掘分论坛
TL;DR
在AI以其超强的潜力和能力夺得所有人眼球和期待的背景下，AI也有令人失望的地方、令人恐惧的地方。
LLM赋能的软件漏洞分析方法
报告人：赵磊 武汉大学教授 国家网络安全学院副院长
赵磊老师、张顾峰Maple提供的报告中指出，Transformer架构无法完成二进制漏洞发掘。我并不打Pwn，对二进制漏洞领域了解有限，结合自身打CTF的经历来看，AI在这方面的确不尽如人意。
- 纸上谈兵的功夫了得，实际上落地的正确率并不高
- 对CTF程序的分析精度远高于真实程序，实际数据获取困难
- LLM是基于概率的推测，与漏洞分析工作中的精细计算存在矛盾
- 夸夸其谈，不懂装懂；主次不分，钻牛角尖
如之前在WHUCTF2025新生赛中，我明显感受到了AI在CTF领域的不足。
Misc方向，AI的脑洞不足，对题目提示的参悟程度不够，对已知信息的利用不够，而且容易出现幻觉甚至降智的情况。对话一长、信息一多，LLM会自己忘记自己在干什么、要干什么的，联系上下文则更显难绷，很容易将题目的解法引向一条不归路而毫无发觉，一条路走到黑毫无尽头，基于其推测给出错误的、臆想出的flag。而用户指出其错误则甚至可能会被忽略。
Crypto方向，AI能够自主解决基础的密码学问题~~（GPT一把梭）~~，但是在稍微提高强度之后也会陷入死局，需要用户提示关键信息或解题要点。例如WHUCTF2025新生赛中的一道题AI分析半天可能毫无效果，点出“使用异或性质”之后可能将进度直接推进一大步。
Web方向，在简单的题目中，AI可以帮忙分析网页源代码、根据用户给出的题目信息提供一把梭的Payload，但是在遇到难题时，喂了提示但连思路很可能都没有，喂WP可能也无法复现出来。
总之AI的表现远没有达到我上高中时的预想~~（虽然早已初见端倪）~~，尤其是在专业方向，AI表现远不如人意。
具身智能带外脆弱性安全及防护
报告人：冀晓宇 浙江大学 电气工程学院教授
~~说实话我觉得这一场报告是最有趣我最能听懂的：（～～
具身智能概要
具身智能：基于物理实体进行感知和行动的人工智能系统。
特点：多模态感知交互、物理实体、进化学习等。
系统构成：“大脑”+“肉身”
- 大脑：智能算法
- 肉身：传感器、执行器、网络通信、电源等
具身智能安全：
- 传统AI安全，如对抗样本攻击、数据毒化攻击、逆向工程攻击等
- 大模型安全，提示注入攻击、偏见和不公平攻击等
- 特有：跨域安全、传感器安全、执行器安全、供电安全等
具身智能安全后果：模型不可靠、算法不可靠、执行不安全
具身智能跨域安全内涵：以“肉身”为攻击入口，协同“大脑”（算法）脆弱性产生的安全问题。
安全威胁：“人-机-物-时-空”交互安全、信息-物理-社会域问题
具身智能跨域安全体系
脆弱性机理-为什么有脆弱性？
带外脆弱性：一种可被物理域信号触发，引起信息域异常的安全缺陷
- 本质：功能域的“信号-信息”真实映射和理想映射不一致
- 是非功能设计的异常映射带来的缺陷
- 本质成因：具身智能系统呈现复杂化、小型化、集成化、受限化的趋势
具身智能带外攻击-如何利用脆弱性？
| 根源 | 定义 | 举例 | |
|---|---|---|---|
| 信号超限效应 | 器件设计功能区间定义缺陷 | 信号大小规格等超出器件设计范围 -> 数字域发生意外畸变和操作 | 振动/惯导传感器声波超限 -> 硬盘宕机/无人机坠落 |
| 跨场传感效应 | 器件非理想特性带来的缺陷 | 传感器感应其他杂散物理量 -> 后端智能信息系统产生异常结果和操作 | 光/声/充电线信号 -> 麦克风语音指令/硬盘窃听器/触摸屏触电感应 |
| 远程旁路效应 | 器件信号伴生辐射缺陷 | 多物理场侧信道泄露 -> 远程采集还原敏感信息 | 摄像头电磁泄漏 -> 隐私画面 |
| 映射异常效应 | 智能算法分析识别缺陷 | 数字域智能分析识别错误 -> 系统异常操作 | 抖动模糊图像/电磁注入干扰 -> 目标识别错误 |
具身智能安全防护-如何防护？
- 带外脆弱性理论体系的构建
- 带外脆弱性检测工具的设计落地
- 带外脆弱性量化评估标准的建设
当攻击实现“自动化”：AI时代的软件供应链安全漏洞利用的进化与挑战
报告人：孟罡 公安部第三研究所 供应链安全能力河南分中心（筹）主任
网络威胁从“信息域”扩大到“信息域+物理域+认知域”
利用AI增强攻击的适应性和隐蔽性，提高写作效果和攻击鲁棒性，实现攻击方式的自我进化。
“传统”对“智能”的路径失效，转向“智能”对“智能”的技术路径
软件供应链安全挑战
- 国际竞争的加剧————依赖性强，开源社区不完善，开源许可证认知不足
- 软件复杂性、逻辑性、编码难度的不断提高
- AI大模型自身存在大量安全风险（Xanthorox AI），如越狱攻击、隐藏后门、权限提升、攻击网络、疲劳退化、数据中毒、供应链与依赖风险等
AI时代下软件供应链安全的防护
- 加强安全检测、SBOM -> 供应链透明化
- 发展AI驱动的安全防御 -> AI for Security <=> Security for AI
- 利用好多种渠道的威胁情报
