2026 年6月17日 18:00-21:30，第203期方班学术研讨厅在黄埔研究生院B2栋成功举办。广州大学网络空间安全学院名誉院长方滨兴老师，主点评黄兴忠老师，贾焰老师，王怀民老师，俞能海老师，李舟军老师，李晓明老师，副点评陈艳利老师，吴昊天老师，唐可可老师，张帆老师，欧阳典老师，张登辉老师，张鹏老师全程参与了课堂的教学，并对同学们的报告逐一进行了指导点评。同时参与的还有网络空间安全学院的部分老师，广州大学方班八期的252名学生。本次研讨厅分为七个小组进行。第一组汇报的同学有黄仁杰，杨钊滨，罗炜垚，伍宇森；第二组汇报的同学有黄思琴，梅展豪，张宇卓，张晓杰；第三组汇报的同学有曾瑞，刘逸飞，农圆圆，秦嘉埙；第四组汇报的同学有李金城，倪妍，方嘉嘉，刘正茂；第五组汇报的同学有刘慧婷，巩俐霄，马镓鸿，王昕翔；第六组汇报的同学有马嘉昕，李宇楠，张晋源，孙耀华；第七组汇报的同学有谭若菲，洪钰杰，楚文龙，王明杭。

第一组

第一位报告人：【黄仁杰】

报告题目：【重生攻击：重现基于生日悖论的DNS缓存投毒】

点评老师的意见与建议：

1、本文在公网环境下没有进行实测，如果域名是热门域名，缓存投毒的难度会增加。

2、讲解算法时应该在提到相关概念时再对概念进行介绍，一股脑全说了听众记不住。同时建议结尾时对三次方班分析进行一次总结。

3、方班演讲要注意思辨性，本文有三个明显问题，一是标题没有突出核心原理ECS，二是攻击成功概率建模与实测不符，三是缺乏实用性和可操作性。

第二位报告人：【杨钊滨】

报告题目：【Snopy: Bridging Sample Denoising with Causal Graph Learning for Effective Vulnerability Detection】

点评老师的意见与建议：

1、加强动态检测与静态检测部分的衔接，对比两者特点及适用场景，突出静态分析研究背景。

2、进一步凝练研究问题，明确现有方法不足，突出论文创新点和研究价值。

3、保持严谨的科研态度，对实验数据和结果进行仔细校验，确保结论准确可靠。

4、汇报内容表达清晰，但需进一步优化重点内容的组织与呈现。

第三位报告人：【罗炜垚】

报告题目：【Isolate and Detect the Untrusted Driver with a Virtual Box使用虚拟机隔离并检测不可信驱动程序】

点评老师的意见与建议：

1、研究假设驱动完全不可信且无源码，但现实中多数闭源驱动来自知名厂商，其行为并非完全未知。建议进一步讨论该假设的适用范围及可能存在的过度防护问题。

2、PPT多次提及滑动空间防代码探测，但未清晰对比其与现有KASLR方案的核心区别。听众容易混淆Dbox是“另一种随机化”而非“控制流检测”。建议补充对比分析。

3、方案依赖EPT、VMX、VT-d等多层硬件虚拟化特性，且需对驱动进行二进制重写，真实系统环境下兼容性与稳定性尚未充分讨论。安全增益与部署代价的权衡不够清晰

第四位报告人：【伍宇森】

报告题目：【面向 Web 漏洞检测的分层调度定向模糊测试方法】

点评老师的意见与建议：

1、技术方法部分按"静态准备→动态Fuzzing"的大框架分步讲解，逻辑总体清晰

2、直接上来就讲"传统方法/静态分析/黑盒灰盒"，缺少一个总览性引入

3、技术背景（静态分析、黑盒扫描、灰盒Fuzzing）的建议顺序是：先总体介绍三类方法及其优劣，再引出本文融合思路，而不是穿插在例子前后

4、静态阶段入口点/sink点发现、污点传播、约束提取、种子树生成等，每一步都展开讲了，导致超时、实验部分被压缩。

第二组

第一位报告人：【黄思琴】

报告题目：【Bullseye：检测NPM包中的原型污染并生成PoC Exploits】

点评老师的意见与建议：

1、静态分析与动态分析融合方法众多，需深入思考本文方法在机制或效果上有何不可替代的优势。

2、所谓全面入口点枚举应限定其实际边界，明确哪类入口点无法枚举并解释根本原因。

3、需从宏观层面梳理Bullseye的整体逻辑链条，讲述方法时力求熵减，避免陷入细节堆砌。

4、论文宣称零误报，但需从思辨角度审视，分析该指标是否以高漏报为代价换取，应给出误报与漏报的权衡关系说明。

第二位报告人：【梅展豪】

报告题目：【EPP-GAS ：An Efficient and Privacy-Preserving Cross Trust-Domain Group Authentication Scheme for Vehicle Platoon Based on Blockchain】

点评老师的意见与建议：

1、区块链在方案中仅仅起到存储认证参数等信息的作用，思考能否借用其他工具来替代

2、原论文中只处理了车辆退出时的情况，但车辆的加入或者车辆编队的重组和拆分能否满足

3、原论文中错误点较多，在选择论文时，选择顶刊顶会

第三位报告人：【张宇卓】

报告题目：【高阶网络中的自适应谣言传播和活动传染】

点评老师的意见与建议：

1、模型参数设置较多，现实解释力与普适性仍需进一步论证

2、双峰传播的复现不等于因果解释，需区分高阶传播与外部干预

3、仅以“双黄连”单一事件验证，案例支撑力度有限

4、模型仍较理想化，未充分纳入话题内容、用户异质性与辟谣影响

第四位报告人：【张晓杰】

报告题目：【GoFetch：利用数据内存依赖预取器攻破常数时间密码实现】

点评老师的意见与建议：

1、评价学生的讲解逻辑比较清晰，但是论文本身的研究领域比较难懂。需要很认真的听才能听懂。

2、提问学生是否有想过论文中驱逐集的构建降噪的其他手段。

方老师点评：

1、评价学生的讲解表面逻辑是对的，但是底层逻辑没有明白。

2、评价学生的知识重构还不到位，需要集中思路把一个例子讲透，实现落地。

3、引导学生对论文思想脉络进行梳理。

第三组

第一位报告人：【曾瑞】

报告题目：【ChainFuzz：开源软件供应链中的上游漏洞利用方法】

点评老师的意见与建议：

1、汇报整体逻辑较清楚，但PPT页面信息过密，细节展开过多，容易让听众忽略主线。

2、讲解时应少直接给结论，多结合图示和具体例子，引导听众理解设计目的和方法动机。

3、PoC、评分标准等关键概念需要更充分说明，尤其要解释其作用、依据和实际含义。

4、方法部分应突出自顶向下、自底向上、WayPoint等核心创新，同时审慎看待大模型能力与攻击研究伦理。

第二位报告人：【刘逸飞】

报告题目：【从大到巨：对大语言模型在漏洞检测上的全面评估】

点评老师的意见与建议：

1、选题即使偏实验，也应围绕三个研究问题组织报告，将实验与结论一一对应，避免结构松散。

2、汇报不应简单复述论文，要体现自己的再思考，例如对评估框架、指标和测试集选择的横向比较与评价。

3、读论文需深究因果，如“少样本退化”不单因占用窗口，更可能是样例局限导致模型视野收缩，应主动辨析。

4、应以论文为起点做延伸阅读，梳理领域进展与争议，形成自己的判断，而非仅满足于读懂单篇内容。

第三位报告人：【农圆圆】

报告题目：【从个体到群体——社会媒体中的双层面公众反应预测】

点评老师的意见与建议：

1、论文画像维度设定缺乏合理解释，需要了解其他构建用户画像方法。论文设置的实验没有特别的亮点。

2、开篇案例小众难以引发共鸣，堆砌过多研究痛点，方案与待解决问题呼应不足，创新点没能有效匹配前文提出的各项研究局限。

3、建议汇报时区分论文原有内容与自身思考，深挖研究落地场景。读文献要评判问题价值、前后逻辑闭环，结合自身社研究，挖掘该论文方法带来的研究启发。

第四位报告人：【秦嘉埙】

报告题目：【基于大语言模型代码补全的黑盒对抗攻击】

点评老师的意见与建议：

1、对论文的理解还是不够深刻。

2、论文中的关于黑盒的细节没有展现，没有对比黑盒和白盒攻击的难度

3、工程伦理这部分的内容需要注意，不要涉密。

第四组

第一位报告人：【李金城】

报告题目：【利用大语言模型协作进行自适应对抗文本生成】

点评老师的意见与建议：

1、老师指出，论文采用了多LLM协作机制，但仍需进一步说明不同LLM角色设置的必要性。尤其应讨论在部分环节中，是否可以由单一LLM完成相同任务，以增强方法设计的说服力？

2、老师认为，论文中Red LLM与Attacking LLM的功能边界仍可进一步厘清。建议作者补充消融实验，比较二者分设与合并后的效果差异，从而验证多角色协作框架的实际贡献。

3、老师强调，论文标题中的“From Insight to Exploit”需要在正文中得到更清晰的呼应。应进一步说明模型如何从预测原因分析出发，并转化为具体的对抗样本生成策略。

4、老师建议，后续可结合代码与数据开展方法复现，并调用当前更先进的大模型进行验证。通过比较不同模型上的攻击效果与迁移表现，可进一步检验该方法的有效性。

第二位报告人：【倪妍】

报告题目：【TrafficFormer：An Efficient Pre-trained Model for Traffic Data】

点评老师的意见与建议：

1、建议在汇报开篇即点明论文的核心观点，将重点内容前置，使听众能在后续讲解中保持同步思考与理解。

2、研究聚焦于流量分类中标注样本稀缺的现实困境，探索借助预训练策略充分挖掘海量无标注数据的内在价值。

3、此方法可迁移至流量异常检测等同属标注匮乏的其他领域，证明其在不同任务中具备良好的泛化应用潜力，建议课后去做一些相关实验。

第三位报告人：【方嘉嘉】

报告题目：【衡量和增强大型语言模型以解决夺旗挑战赛】

点评老师的意见与建议：

1、两阶段RAG设计是核心创新点，通过强制任务解耦，思维可迁移至其他多步骤技术任务。

2、开放题评测标准过于严苛，要求模型回答与参考答案完全一致，导致正确率被低估，建议采用更科学的宽松评测方式。

3、提示工程细节缺失，特别是工具调用提示的设计方法未公开，影响方案复现与优化，后续需重点补全该环节的技术实现路径 。

第四位报告人：【刘正茂】

报告题目：【箭影博弈：终端 TEE 防护下大语言模型分片算法的权重混淆安全缺陷研究】

点评老师的意见与建议：

1、框架讲解的设计要更突出些不要按照论文的讲解脉络讲解，要求多点自己的理解

2、攻击流程那可以举例多一点让其更加明了

3、攻击方法的设计讲解其中的攻击生效的地方可以举例说明

第五组

第一位报告人：【刘慧婷】

报告题目：【CLIBE：基于Transformer的NLP模型中的动态后门检测】

点评老师的意见与建议：

1、未结合LLM独有特性展开研究，混用图像后门案例引入文本后门；仅基于TextCNN验证，需补充方法创新论证。

2、背景部分图示与论文扰动对象存在概念矛盾，核心扰动层消融实验被删减，实验基线展示不全，论证完整性不足。

3、需阐明熵判别阈值选取、高置信参考集设计依据；解释多类动态后门在注意力层呈现统一特征的底层原理。、

4、需验证方法跨Transformer架构通用性、跨领域语料检测效果；分析自适应攻击绕过方案的可行性与防御底层逻辑。

第二位报告人：【巩俐霄】

报告题目：【猜谜！针对检索增强生成的隐蔽成员推理攻击】

点评老师的意见与建议：

1、在汇报论文不足时，避免单纯罗列方法缺陷和未来方向，而应建立现有不足、问题原因、后续改进方向之间的明确逻辑关系。

2、该研究假设目标大模型会忠实执行用户的隐私检索请求，并基于检索结果回答问题。在实际应用场景中，经过安全对齐的大模型可能会拒绝执行涉及隐私信息的请求，此时成员推理攻击是否仍然有效？

3、在价值观对齐场景下，面对高级红、低级黑等字面含义与真实意图不一致的表达方式，仅依赖文本表层特征的检测方法能否准确识别其中隐含的潜在风险？

4、在面对不同类型的增强防御机制，成员推理攻击如何保持有效性？此外，在语料库较为稀疏的场景下，如何构造合理的非成员替代分布，以保证成员推理结果的可靠性？

第三位报告人：【马镓鸿】

报告题目：【相信我，利用偏置劫持大语言模型的静态分析】

点评老师的意见与建议：

1、欧阳典老师指出报告逻辑清楚，但prime示例说服力不足，应补充模型实测结果支撑

2、主点评老师指出应用具体代码例子讲清FPA如何诱导模型误判。需回应主动防御、长上下文、多样性和隐蔽性问题

3、提问老师重点追问FPA的本质来源、存在形态、生成验证方式及攻击前置条件

方老师点评：

1、FPA 本质是利用模型对熟悉代码模式的惯性理解，使其跳过细查并误判逻辑

2、汇报要强调程序逻辑未改、模型理解被劫持，同时避免过度解读实验结果

第四位报告人：【王昕翔】

报告题目：【Agentland中的恶意 :AI供应链中的后门】

点评老师的意见与建议：

1. 研究从 LLM 安全评测、渗透 Agent 到 AI 供应链后门逐层递进，创新提出环境中毒新型威胁，贴合产业安全痛点。

2. 整套实验指标、对照、消融实验规范严谨，数据说服力强，但未纳入状态图、全局滑窗等新一代有状态防御做对比，后续可以改进。

3. 深度拆解供应链后门隐蔽性、持久性根源，清晰阐明传统单步审计形成链条式攻击盲区、主流安全护栏全面失效的底层逻辑，对 AI 智能体供应链安全风险的理论剖析深度充足，能清晰揭示现有防护体系的固有缺陷。后续可以重点攻关环境载荷过滤、模型后门清洗，完善研究闭环。

第六组

第一位报告人：【马嘉昕】

报告题目：【Private and Personalized Frequency Estimation in a Federated Setting】

点评老师的意见与建议：

1、联邦约束致传统词频处理等降噪技术无法迁移；实验未充分对比该难点，且非联邦横向对照及精度下降、开销代价的量化分析。

2、端到端流程含初始化、多轮迭代及聚类等，开销大调参难；初始化候选集采样在大词表下性能瓶颈，文章未验证数据漂移等动态场景。

3、隐私分析仅限预算消耗与误差界，但应推导保护强度与精度损失间定量关系，缺分场景自适应设计原则。

4、威胁模型过于理想化，仅考虑诚实服务器，未覆盖恶意投毒及合谋攻击等；未引入鲁棒聚合与异常检测等防御机制，安全边界不完善。

第二位报告人：【李宇楠】

报告题目：【EARVP兼具鲁棒性、可验证性和隐私保护的联邦学习高效聚合方法】

点评老师的意见与建议：

1、汇报较好梳理了论文整体框架，能够突出研究问题与创新点。

2、应进一步分析各模块之间的逻辑联系，增强系统性理解。

3、对关键设计动机的阐述可更加深入，说明方案选择原因。

方老师点评：

1、阅读论文时应重点关注研究问题与创新逻辑，而非局限于算法细节。

2、学术汇报要突出设计思路和技术路线，增强整体表达的层次感。

第三位报告人：【张晋源】

报告题目：【Training Robust Graph Neural Networks by Modeling Noise Dependencies：基于噪声依赖建模的鲁棒图神经网络训练】

点评老师的意见与建议：

1、老师建议弱化人工预设的结构化噪声因果链，引入更灵活的因果发现机制或隐式噪声图结构学习，实现传播路径的数据自适应学习。

2、老师建议针对候选图带来的训练不稳定性与高额计算开销，探索轻量级变分近似或扩散生成模型，优化大规模图场景的计算效率。

3、老师建议突破传统 GCN 的同质性假设限制，引入异质图神经网络或注意力机制，增强模型对复杂拓扑结构的适应力。

4、老师建议将静态图噪声框架扩展至时序动态图场景，显式建模噪声随时间持续积累与演化的动力学过程。

5、老师建议将生成式建模与因果表示学习深度结合，精准区分因果关系与统计相关性，提升模型在分布外（OOD）场景下的鲁棒性。

第四位报告人：【孙耀华】

报告题目：【RepGuard: Adaptive Feature Decoupling for Robust Backdoor Defensein Large Language Models RepGuard:大语言模型鲁棒后门防御的自适应特征解耦】

点评老师的意见与建议：

1、 明确前置假设与可解释性： 建议明确该方法是否基于新的先验假设，并深入分析与充实M掩码的可解释性。

2、 扩展评估范围与场景： 需评估仅防御干净标签可能存在的局限性，并扩展测试的大模型范围以增强评估全面性。

3、 关注模型功能与防御效率： 应深入调查特征解耦与正交泛化对模型原有功能的影响，评估性能退化问题并优化防御效率。

4、 探究防御机制的持续性： 指出正交化不等于完全消除，需探讨压制效果是否永久，并建议考虑引入人工审查机制。

第七组

第一位报告人：【谭若菲】

报告题目：【仅用1.0‰样本训练：基于跨模态特征融合的恶意流量检测】

点评老师的意见与建议：

1、PPT中把一整篇论文都讲解清楚了，对文章读的还是不错

2、在1.7这里说为了解决了哪些挑战，但是在对拓扑驱动对比学习这里讲解的时候没有针对这些点去讲解，还需要更多的思辨。

方老师点评：

1、这里对于时间嵌入这个公式不仅要从这一篇论文看公式是什么，还需要看他是为什么，怎么来的，这个公式是从transformer里面借鉴过来用的不是他自己提出来的，并且要清楚这里面提到的时间，包长以及为什么使用正余弦函数他们的作用分别是什么

2、文中他这个对于Q、K、V的设置这里他其实是不具有合理性的，这个是你需要去根据不同的攻击他的观众重点和特点是不同的，比如DDos，数据泄露他们分别将主机或者流级包级的特征设置为Q其实模型的学习能力是会提高的，这里是可以进一步来细化研究的。

第二位报告人：【洪钰杰】

报告题目：【万能钥匙：小程序凭证泄露的大规模分析】

点评老师的意见与建议：

1、对于论文的相关工作部分可以介绍得更加有条理、清晰一些，讲清楚为什么前人没有去做这个动态凭证泄露？是有什么难点还是只有他发现？

2、工具依靠构建GSG和CBG图来对比语义相似度，那开发者对于官方api做二次包装或混淆，官方文档不清楚，会影响检测结果吗？

3、小程序凭证泄露像你说的危害性这么大，为什么我们很少见到针对于其攻击报道呢？是因为现在的攻击者还没意识到这个攻击方法吗？

第三位报告人：【楚文龙】

报告题目：【SmartTrans：一种用于以太坊智能合约漏洞检测的高级相似性分析方法】

点评老师的意见与建议：

1、参数共享建模控制流，相比现有的技术、简单位置编码，为何更擅长捕捉字节码长距离跳转语义？

2、该参数共享机制存在哪些潜在问题？可以从哪些方向进行优化改进？

3、该方案如何缓解N-day漏洞检索准确率下降问题？迁移其他区块链平台是否有效、有何难点？

第四位报告人：【王明杭】

报告题目：【用基于大语言模型的文档独立文本片段组织，从视觉丰富文档中进行信息抽取】

点评老师的意见与建议：

1、建议突出 Semantic Block 的创新性，说明其区别于段落、位置和 OCR 顺序切分。

2、建议重点阐明 Block Creation 的作用，突出其降低抽取复杂度和噪声干扰的价值。

3、建议加强论文方法与自身研究的联系，说明语义块思想如何迁移到攻击图构建。