SecScholar

Network Security Research Platform

专注网络与系统安全领域的论文智能检索

Where Security Research Meets AI

好的查询示例

特征：主题明确、范围适中、包含具体技术关键词或研究场景

LLM Agent驱动的自动化网络攻击与渗透测试
✓ 明确技术（LLM Agent） ✓ 具体应用场景（网络攻击、渗透测试）
研究地下产业移动应用的特征、机制、滥用行为及其安全问题
✓ 明确研究对象（地下产业移动应用） ✓ 多维度研究角度（特征、机制、滥用、安全）
基于机器学习的Android恶意软件动态行为检测方法
✓ 技术手段明确（机器学习） ✓ 平台和攻击类型具体（Android恶意软件） ✓ 研究方向清晰（动态行为检测）

不好的查询示例

常见问题：过于宽泛、过于狭窄、模糊不清、缺乏重点

AI安全
✗ 主题过于广泛，覆盖整个领域
改进：明确AI的哪个方面？哪种安全问题？
网络攻击
✗ 范围太大，缺少具体技术或场景
改进：什么类型的网络攻击？针对什么系统？
使用CVE-2023-12345漏洞进行提权的实验
✗ 过于具体，范围太窄（单个CVE编号）
改进：关注某类漏洞或攻击技术，而非单个案例