本文提出CoDe-R框架，通过两阶段方法提升反编译代码质量：在训练阶段引入语义推理引导(SCE)，让1.3B小模型理解高层算法意图；在推理阶段采用动态双路径机制(DDPF)，平衡语义恢复与语法稳定性。实验表明，该方法首次使1.3B模型在HumanEval-Decompile基准上突破50%平均可重执行率，峰值达70.73%，接近专家级大模型性能。CoDe-R的创新在于将"直接翻译&quo

摘要（149字）： 论文《IOCRegex-gen》提出基于LLM的自动化方案，将威胁情报（CTI）中的失陷指标（IOC）转化为可部署的正则表达式。通过创新性Group-Aware机制（利用图数据库识别捕获组）和迭代多阶段验证（语法/语义/泛化检查），在3,000+真实CTI报告上实现99.1%命中率和0.8%误报率，较直接LLM生成提升30%+。研究解决了SOC领域IOC→正则的人工瓶颈，但存在

《解决Cursor报"unable to write program user data"错误》摘要：当Cursor免费试用到期后出现数据写入错误时，可通过删除缓存文件快速解决。具体方法：执行终端命令rm -rf ~/Library/Application\ Support/Cursor/CachedData清除缓存目录后，即可重新正常启动程序。该方法经Qwen推荐验证有效。（

软件外形下载地址配置腾讯云COS v5配置如图所示：1. 获取你的APPID、SecretId和SecretKey访问：https://console.cloud.tencent.com/cam/capi2. 获取bucket名以及存储区域代号访问：https://console.cloud.tencent.com/cos5/bucket创建一个存储桶。然后找到你的存储桶名和...

ubuntu16.04开启3306端口nmap扫描3306端口没有开启查看3306端口是否正常root@node1:~# netstat -an | grep 3306tcp00 127.0.0.1:33060.0.0.0:*LISTEN注意：现在的3306端口绑定的IP地址是本地的127.0.0.1修改

本文提出CoDe-R框架，通过两阶段方法提升反编译代码质量：在训练阶段引入语义推理引导(SCE)，让1.3B小模型理解高层算法意图；在推理阶段采用动态双路径机制(DDPF)，平衡语义恢复与语法稳定性。实验表明，该方法首次使1.3B模型在HumanEval-Decompile基准上突破50%平均可重执行率，峰值达70.73%，接近专家级大模型性能。CoDe-R的创新在于将"直接翻译&quo

摘要（149字）： 论文《IOCRegex-gen》提出基于LLM的自动化方案，将威胁情报（CTI）中的失陷指标（IOC）转化为可部署的正则表达式。通过创新性Group-Aware机制（利用图数据库识别捕获组）和迭代多阶段验证（语法/语义/泛化检查），在3,000+真实CTI报告上实现99.1%命中率和0.8%误报率，较直接LLM生成提升30%+。研究解决了SOC领域IOC→正则的人工瓶颈，但存在

摘要： 论文《Securing Large Language Model Agents via Structured Graph Abstraction》提出AgentArmor系统，针对LLM Agent面临的三大安全挑战：不可追踪的数据依赖、控制依赖和跨资源数据流模糊。该系统通过构建程序依赖图(PDG)对Agent运行时行为进行结构化抽象，结合控制流图(CFG)和数据流图(DFG)建模执行逻辑

SkillSieve: 恶意AI Agent技能检测的分层过滤框架 本文提出SkillSieve框架，用于检测AI技能市场中的恶意技能包。针对现有方案无法同时处理代码和自然语言指令的缺陷，SkillSieve采用分层架构：第一层使用静态分析（正则规则、AST特征提取等）快速过滤86%良性技能；第二层通过结构化语义分解(SSD)并行执行4项LLM分析任务（意图对齐、权限合理性、隐蔽行为检测和跨文件一

SkillSieve: 恶意AI Agent技能检测的分层过滤框架 本文提出SkillSieve框架，用于检测AI技能市场中的恶意技能包。针对现有方案无法同时处理代码和自然语言指令的缺陷，SkillSieve采用分层架构：第一层使用静态分析（正则规则、AST特征提取等）快速过滤86%良性技能；第二层通过结构化语义分解(SSD)并行执行4项LLM分析任务（意图对齐、权限合理性、隐蔽行为检测和跨文件一