<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[杨秀璋的专栏]]></title><description><![CDATA[无知 · 乐观 · 谦逊 · 低调 · 生活]]></description><link>https://blog.csdn.net/Eastmount</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; Eastmount]]></copyright><item><title><![CDATA[[论文阅读] (54)NDSS26 JSIMPLIFIER：动静态与LLM如何协同完成JavaScript解混淆？]]></title><link>https://blog.csdn.net/Eastmount/article/details/168553732</link><guid>https://blog.csdn.net/Eastmount/article/details/168553732</guid><author>Eastmount</author><pubDate>Tue, 20 Oct 2026 17:19:30 +0800</pubDate><description><![CDATA[本文介绍NDSS 2026录用论文JSIMPLIFIER，提出一种三阶段协同的JavaScript反混淆框架：预处理修复输入格式，静态-动态联合分析恢复程序语义，最后利用LLM提升代码可读性。该方法系统覆盖20类混淆技术，有效应对语法畸形、多层混淆与语义复杂等挑战，实验表明其在语义一致性、可读性与覆盖率上显著优于现有工具，为恶意脚本分析提供有力支持。]]></description><category></category></item><item><title><![CDATA[[论文阅读] (53)NDSS2026 Fall智能体安全和系统安全方向论文汇总]]></title><link>https://blog.csdn.net/Eastmount/article/details/164998720</link><guid>https://blog.csdn.net/Eastmount/article/details/164998720</guid><author>Eastmount</author><pubDate>Fri, 11 Sep 2026 18:57:46 +0800</pubDate><description><![CDATA[本文聚焦NDSS2026录用的智能体与系统安全方向论文，涵盖大模型越狱攻击与防御、函数内联对二进制分析的影响，以及LLM驱动的PLC漏洞挖掘。重点介绍Causal Analyst框架，通过因果发现揭示越狱关键特征；揭示编译优化对机器学习模型安全的潜在威胁；提出LogicFuzz框架，实现高效PLC逻辑指令漏洞检测。三篇论文均体现大模型与安全融合趋势，兼具创新性与实践价值，值得深入学习。]]></description><category></category></item><item><title><![CDATA[十年磨一剑！《Python文本挖掘和知识发现》重磅上市：从文本挖掘到大模型，探索知识发现新范式]]></title><link>https://blog.csdn.net/Eastmount/article/details/164168585</link><guid>https://blog.csdn.net/Eastmount/article/details/164168585</guid><author>Eastmount</author><pubDate>Sat, 29 Aug 2026 20:05:31 +0800</pubDate><description><![CDATA[《Python文本挖掘和知识发现：大模型时代的新挑战与探索》重磅上市！ 本书由长期深耕人工智能、文本挖掘、知识图谱与网络安全等领域的一线教师和科研人员联合编写，凝聚团队十余年的AI研究、教学与实践积累，由北京航空航天大学出版社正式出版，希望您喜欢！]]></description><category></category></item><item><title><![CDATA[[论文阅读] (52)NDSS26 Chimera：利用多智能体大模型自动模拟内部威胁和ATT&CK映射]]></title><link>https://blog.csdn.net/Eastmount/article/details/164098733</link><guid>https://blog.csdn.net/Eastmount/article/details/164098733</guid><author>Eastmount</author><pubDate>Thu, 27 Aug 2026 00:36:59 +0800</pubDate><description><![CDATA[内部威胁是一类重大且持续存在的安全风险，但在复杂企业环境中仍然难以检测，因为恶意活动通常隐藏在细微的用户行为之中。尽管基于机器学习的内部威胁检测（Insider Threat Detection, ITD）技术已经显示出良好效果，但其有效性从根本上受到高质量、真实训练数据缺乏的制约。这一挑战源于企业内部数据的高度敏感性，使其很少能够被获取；同时也源于现有数据集的局限性，即公开数据集通常规模较小，而合成数据集往往缺乏充分的泛化能力、丰富的语义上下文和真实的行为模式。]]></description><category></category></item><item><title><![CDATA[《数字人文技术及运用》课程有感：且教且学且珍惜]]></title><link>https://blog.csdn.net/Eastmount/article/details/162935006</link><guid>https://blog.csdn.net/Eastmount/article/details/162935006</guid><author>Eastmount</author><pubDate>Sat, 18 Jul 2026 16:24:28 +0800</pubDate><description><![CDATA[《数字人文技术及运用》课程教学反思与成果展示 本文记录了作者教授《数字人文技术及运用》通识课程的心路历程与教学成果。课程通过数字人文技术（如GIS地图、知识图谱、AI生成等）与地域文化（贵州山水、非遗、红色文化等）的结合，引导来自不同专业的100名学生完成了富有创意的文化研究项目。学生作品涵盖清水江契约分析、水书文字研究、民族歌舞数字化等多个方向，展现了技术工具与文化内涵的深度融合。教学过程中，作者克服了自身人文素养的不足，通过真诚教学激发了学生对家乡文化的再发现，实现了跨学科思维培养。]]></description><category></category></item><item><title><![CDATA[[论文阅读] (51)ESWA25 基于启发式优化器的入侵检测系统]]></title><link>https://blog.csdn.net/Eastmount/article/details/162827511</link><guid>https://blog.csdn.net/Eastmount/article/details/162827511</guid><author>Eastmount</author><pubDate>Mon, 13 Jul 2026 10:43:55 +0800</pubDate><description><![CDATA[本文提出一种基于增强启发式优化（EHO）的入侵检测系统特征选择算法，针对高维网络流量数据中冗余特征影响检测性能的问题进行优化。EHO改进了传统乌鸦搜索算法（CSA），通过动态感知概率（DP）和动态搜索空间（DS）机制自适应调节全局探索与局部开发能力，并结合余弦相似度的三态更新策略提升搜索稳定性。算法采用轻量级决策树快速评估特征子集，最终通过GRU模型完成分类。在NSL-KDD、UNSW-NB15和CIC-IDS2018数据集上的实验表明，EHO能有效筛选更小且判别性更强的特征子集，分类准确率超过]]></description><category></category></item><item><title><![CDATA[[论文阅读] (50)TDSC23 T-Trace：基于多源系统日志关联的APT溯源图构建]]></title><link>https://blog.csdn.net/Eastmount/article/details/162728646</link><guid>https://blog.csdn.net/Eastmount/article/details/162728646</guid><author>Eastmount</author><pubDate>Thu, 09 Jul 2026 15:10:35 +0800</pubDate><description><![CDATA[本文提出了一种名为T-trace的新方法，用于构建高级持续性威胁（APT）攻击的事件溯源图。该方法通过分析多源系统日志间的关联性，利用张量分解技术识别日志社群，并计算显著性评分提取关键事件。实验表明，T-trace在构建溯源图时能减少90%的时间成本，同时达到92%的准确率。相比现有方法，该方法能有效应对APT攻击的隐蔽性和复杂性，解决了依赖爆炸问题，为威胁防御提供了更高效精准的分析工具。研究团队在DARPA数据集上的验证展示了该方法的实用价值，标志着APT追踪技术的重要突破。]]></description><category></category></item><item><title><![CDATA[[智能体攻防实战] 三.基于精调大模型的网络威胁知识自动抽取与分析（CodeBuddy+千帆）]]></title><link>https://blog.csdn.net/Eastmount/article/details/162344969</link><guid>https://blog.csdn.net/Eastmount/article/details/162344969</guid><author>Eastmount</author><pubDate>Fri, 26 Jun 2026 19:20:01 +0800</pubDate><description><![CDATA[本文介绍基于大模型的网络威胁知识自动抽取实践，聚焦AI Agent在网络安全领域的应用。作者通过百度千帆平台调用云端大模型，结合CodeBuddy工具，实现从MITRE ATT&CK威胁描述中自动识别攻击组织、恶意软件等实体，并抽取语义关系，生成结构化数据。详细分享了千帆大模型的创建、精调、数据集配置及API调用流程，为威胁情报分析提供高效解决方案。实验代码已开源，助力降低网络安全实践门槛。 ]]></description><category></category></item><item><title><![CDATA[[智能体攻防实战] 二.CodeBuddy赋能恶意代码分析与家族分类实践]]></title><link>https://blog.csdn.net/Eastmount/article/details/162042961</link><guid>https://blog.csdn.net/Eastmount/article/details/162042961</guid><author>Eastmount</author><pubDate>Tue, 16 Jun 2026 19:26:24 +0800</pubDate><description><![CDATA[摘要： 作者推出“智能体攻防实战”专栏，聚焦大模型在网络安全领域的应用，涵盖AI Agent、入侵检测、漏洞分析等方向，旨在降低技术门槛并提供实践参考。文章重点探讨AI在恶意代码分析中的应用，对比传统静态与动态分析方法的局限性，提出基于CodeBuddy（腾讯AI编程助手）的智能化解决方案。CodeBuddy通过大语言模型实现代码理解与生成，支持动态/静态特征提取、数据预处理及家族分类任务，提升分析效率与准确性。开源工具与数据集已提供，助力安全研究。 关键词： AI Agent、恶意代码分析、CodeBud]]></description><category></category></item><item><title><![CDATA[[智能体攻防实战] 一.大模型赋能网络入侵检测实战探索（CodeBuddy和d.run实现）]]></title><link>https://blog.csdn.net/Eastmount/article/details/160659439</link><guid>https://blog.csdn.net/Eastmount/article/details/160659439</guid><author>Eastmount</author><pubDate>Wed, 06 May 2026 18:42:26 +0800</pubDate><description><![CDATA[本文介绍了“智能体攻防实战”专栏的首篇文章，重点探讨大模型如何赋能网络入侵检测。作者通过CodeBuddy和d.run工具，展示了AI Agent在网络安全中的实践应用，包括自动生成机器学习代码、运行入侵检测实验及结果分析。文章概述了AI Agent在网络安全中的典型应用场景，如入侵检测辅助、日志分析、威胁情报关联等，并详细演示了使用CodeBuddy构建SVM分类模型的过程。实验通过TF-IDF特征提取和模型评估，验证了AI Agent在数据预处理、特征提取、模型训练等环节的实用性。]]></description><category></category></item><item><title><![CDATA[[技术分享] 从星辰智能体到AstronClaw：校园场景下的 AI Agent 与智能编程实践]]></title><link>https://blog.csdn.net/Eastmount/article/details/160421548</link><guid>https://blog.csdn.net/Eastmount/article/details/160421548</guid><author>Eastmount</author><pubDate>Thu, 23 Apr 2026 02:39:48 +0800</pubDate><description><![CDATA[科大讯飞AstronClaw全球活动展示了AI从内容生成向任务执行的范式转变，重点探讨了校园场景下AI Agent与智能编程的实践应用。文章系统介绍了智能体的核心技术组件（感知、规划、记忆、行动、推理）、MCP协议和Skill技能模块，解析了星辰智能体平台与AstronClaw的功能架构。通过科研实战案例，展示了智能体在编程教学、论文写作等校园场景中的效率提升作用，为AI开发者提供了从理论到实践的完整参考。]]></description><category></category></item><item><title><![CDATA[[论文阅读] (49)JNCA24 网络威胁狩猎演化技术综述]]></title><link>https://blog.csdn.net/Eastmount/article/details/160084360</link><guid>https://blog.csdn.net/Eastmount/article/details/160084360</guid><author>Eastmount</author><pubDate>Sun, 12 Apr 2026 16:36:08 +0800</pubDate><description><![CDATA[《娜璋带你读论文》系列旨在分享优秀论文阅读心得，本文系统性综述了网络威胁狩猎技术，探讨了智能本体与自动化工具的整合路径，涵盖监督与无监督学习、推理机制、图方法及规则方法等多种建模策略。研究采用SLR方法筛选117篇文献，提出十步狩猎流程和数学假设模型，将方法归纳为六类并分析其特点。论文强调威胁狩猎需结合异常检测与主动推理，构建可量化、可迭代的协同模型以应对动态威胁。作者团队仍在成长中，欢迎批评指正。]]></description><category></category></item><item><title><![CDATA[《AI Coding入门与实战》开源课程分享：第8课 iFlyCode智能体开发与课程总结（AI大学堂）]]></title><link>https://blog.csdn.net/Eastmount/article/details/158610410</link><guid>https://blog.csdn.net/Eastmount/article/details/158610410</guid><author>Eastmount</author><pubDate>Tue, 03 Mar 2026 10:18:15 +0800</pubDate><description><![CDATA[智能体（Agent）作为AI领域的前沿概念，能够理解需求、自主规划、生成代码并进行调试，极大地提升了软件开发效率。本课程《AI Coding入门与实战》第八课聚焦于iFlyCode智能体开发与课程总结，旨在引导学习者掌握智能体的基本原理，并通过实际案例体验智能体在Web开发、微信小程序开发以及MCP（模型上下文协议）交互中的应用。课程最后对全部八课内容进行了系统回顾，并展望了AI Coding的未来发展趋势。本文将逐章节详细解析第八课的学术内容与实践成果。]]></description><category></category></item><item><title><![CDATA[《AI Coding入门与实战》开源课程分享：第7课 基于iFlyCode的安全知识图谱构建（AI大学堂）]]></title><link>https://blog.csdn.net/Eastmount/article/details/158580427</link><guid>https://blog.csdn.net/Eastmount/article/details/158580427</guid><author>Eastmount</author><pubDate>Tue, 03 Mar 2026 09:36:39 +0800</pubDate><description><![CDATA[本篇技术博客围绕《AI Coding入门及实战》第7课展开，系统解析如何基于科大讯飞 iFlyCode 工具完成一个完整的图书管理网站系统开发，详细阐述课程中涉及的网站开发流程、数据库设计、前后端交互以及AI工具iFlyCode在其中的应用方式。本课程以“前端—后端—数据库”三位一体的工程实践为核心，通过Django框架构建可运行的信息管理系统，强调大模型辅助编程（AI Coding）的工程流程与方法论。]]></description><category></category></item><item><title><![CDATA[2025年总结：微光如盏，谦以致远，万家灯火中的一小盏]]></title><link>https://blog.csdn.net/Eastmount/article/details/158151561</link><guid>https://blog.csdn.net/Eastmount/article/details/158151561</guid><author>Eastmount</author><pubDate>Wed, 18 Feb 2026 10:15:07 +0800</pubDate><description><![CDATA[值此新春之际，回顾下2025的得与失。这一年，确实发生了很多事，科研、教学、工作、竞赛、分享，今朝得失，仿佛如昨。这一年，更感叹家人和亲情的温暖，责任和陪伴的重要，我们都是万家灯火中的一小盏，没有什么比家人更珍贵，微光如盏，谦以致远。寥寥数笔，仅记录这酸甜苦辣的一年，希望您喜欢！]]></description><category></category></item><item><title><![CDATA[《AI Coding入门与实战》开源课程分享：第6课 基于iFlyCode的安全知识图谱构建（AI大学堂）]]></title><link>https://blog.csdn.net/Eastmount/article/details/157993830</link><guid>https://blog.csdn.net/Eastmount/article/details/157993830</guid><author>Eastmount</author><pubDate>Thu, 12 Feb 2026 10:48:37 +0800</pubDate><description><![CDATA[本系列课程《AI Coding入门与实战》由 科大讯飞 与 CSDN 合作推出，并在“AI大学堂”平台面向公众开放。课程以大模型技术和AI Coding为基础，以真实开发案例为载体，系统讲解 AI Coding（iFlyCode） 的理论框架、技术原理与工程实践场景。在此特别感谢科大讯飞在大模型与智能编程工具领域的技术支持，以及 CSDN 在开发者生态建设方面的持续推动，使该课程得以面向更广泛学习者。]]></description><category></category></item><item><title><![CDATA[《AI Coding入门与实战》开源课程分享：第5课 基于iFlyCode的桌面应用程序开发（AI大学堂）]]></title><link>https://blog.csdn.net/Eastmount/article/details/157942100</link><guid>https://blog.csdn.net/Eastmount/article/details/157942100</guid><author>Eastmount</author><pubDate>Tue, 10 Feb 2026 17:05:23 +0800</pubDate><description><![CDATA[本课以“AI辅助桌面应用开发”为主线，围绕 iFlyCode 的代码生成与迭代能力，构建从需求抽象、提示词工程、界面开发到图像处理算法集成与应用发布的完整实践链条。课程选取 Python + Tkinter 作为桌面端GUI载体，并以 OpenCV 图像处理/识别 为算法能力来源，形成“交互界面—算法模块—工程部署”三位一体的教学闭环。相较于仅面向脚本编写的AI Coding示例，本课更强调工程语境下的模块化结构、可复用组件、可运行交付与可解释的提示词迭代，从而使学习者能够在真实业务需求中完成从原型到可用系]]></description><category></category></item><item><title><![CDATA[《AI Coding入门与实战》开源课程分享：第4课 基于iFlyCode的网页开发实战（AI大学堂）]]></title><link>https://blog.csdn.net/Eastmount/article/details/157903492</link><guid>https://blog.csdn.net/Eastmount/article/details/157903492</guid><author>Eastmount</author><pubDate>Mon, 09 Feb 2026 14:37:48 +0800</pubDate><description><![CDATA[在生成式人工智能技术逐步进入软件工程主流程的背景下，AI Coding 已从“代码补全工具”演进为“人机协同开发范式”。本课程围绕 iFlyCode 平台，构建了一条完整的教学路径，从网页基础知识到项目级网页系统开发，系统展示了大模型如何参与结构设计、逻辑建模与交互实现，从而实现真实开发任务的自动化与智能化。课程并非单纯教授前端语法，而是强调 “需求表达—提示工程—模型生成—人机协同优化” 的现代软件开发流程，为 AI 时代的编程教学提供了方法论范式。]]></description><category></category></item><item><title><![CDATA[《AI Coding入门与实战》开源课程分享：第3课 iFlyCode入门与数据分析实战（AI大学堂）]]></title><link>https://blog.csdn.net/Eastmount/article/details/157901331</link><guid>https://blog.csdn.net/Eastmount/article/details/157901331</guid><author>Eastmount</author><pubDate>Mon, 09 Feb 2026 11:08:30 +0800</pubDate><description><![CDATA[本系列课程《AI Coding入门与实战》由 科大讯飞 与 CSDN 合作推出，并在“AI大学堂”平台面向公众开放。课程以大模型技术和AI Coding为基础，以真实开发案例为载体，系统讲解 AI Coding（iFlyCode） 的理论框架、技术原理与工程实践场景。在此特别感谢科大讯飞在大模型与智能编程工具领域的技术支持，以及 CSDN 在开发者生态建设方面的持续推动，使该课程得以面向更广泛学习者。]]></description><category></category></item><item><title><![CDATA[[论文阅读] (48)TIFS24 基于注意力的恶意软件API定位技术]]></title><link>https://blog.csdn.net/Eastmount/article/details/157174895</link><guid>https://blog.csdn.net/Eastmount/article/details/157174895</guid><author>Eastmount</author><pubDate>Mon, 09 Feb 2026 10:23:33 +0800</pubDate><description><![CDATA[前一篇博客介绍了一种LLM上下文驱动的Android恶意软件检测框架。本文将介绍APILI，一种面向恶意软件行为分析的深度学习方法，用于在动态执行轨迹中定位与恶意攻击技术（MITRE ATT&CK Techniques）相对应的底层 API 调用。实验结果表明 APILI 在技术发现与 API 定位两方面均优于传统方法与现有机器学习模型，显著降低分析负担。注意，由于我们团队还在不断成长和学习中，写得不好的地方还请海涵，希望这篇文章对您有所帮助，这些大佬真值得我们学习。fighting！]]></description><category></category></item></channel></rss>