夜雨聆风学术报告
2025年12月28日，吴勃志博士受邀参加中山大学青年学者论坛, 作题为《人工智能赋能软件安全分析与可信验证》的学术报告，与来自国内外的青年学者围绕软件安全、人工智能、程序分析及可信软件工程等前沿方向进行了深入交流，并分享了近年来在软件安全智能分析领域取得的系列研究成果。
个人简介
吴勃志博士现任新加坡南洋理工大学（Nanyang Technological University，NTU）Research Fellow，博士毕业于南洋理工大学计算机科学与工程学院，长期从事人工智能赋能软件安全分析的研究。近年来，在ICSE、FSE、ISSTA、FM、IEEE TDSC、ACM TOSEM等国际顶级会议和期刊发表论文十余篇，主持和参与新加坡教育部（MOE）及国家研究基金会（NRF）多个科研项目，相关研究成果已应用于新加坡国防部下属网络安全机构CSIT、软件安全企业Scantist以及德国企业AUMOVIO等实际工业场景。
报告内容
软件系统已成为数字经济和网络空间安全的重要基础设施，软件漏洞检测与可信验证直接关系国家关键基础设施和产业安全。然而，随着软件规模和复杂度不断提升，传统程序分析方法在复杂软件系统中面临效率和覆盖能力不足的问题；与此同时，大语言模型虽然展现出优异的代码理解与生成能力，但仍存在分析依据不透明、结果可靠性不足等问题。如何构建准确、可信、可解释的软件安全分析技术，已经成为当前软件工程与网络空间安全领域的重要研究方向。
围绕这一问题，吴勃志博士结合近年来的研究工作，介绍了团队在人工智能赋能软件安全分析方面形成的一系列研究成果。报告指出，目前人工智能软件安全分析主要面临三个关键挑战：一是跨函数漏洞语义难以完整恢复，导致复杂漏洞"看不全"；二是程序结构语义难以准确建模，导致代码行为"读不懂"；三是智能分析结果缺乏可信验证和解释依据，使分析结果"信不过"。针对上述问题，团队围绕跨函数漏洞语义恢复、代码结构语义建模以及可信分析与验证三个方向开展了系统研究，逐步形成了较为完整的软件安全智能分析技术体系。
在跨函数漏洞语义建模方面，报告介绍了面向复杂软件系统的漏洞语义恢复方法，通过程序切片、跨函数语义补全等技术，有效恢复漏洞传播路径和上下文依赖关系，提升了人工智能模型对复杂漏洞的理解能力，为真实软件系统中的漏洞检测提供了新的解决思路。
在代码结构语义建模方面，重点介绍了围绕代码结构语义增强和鲁棒代码表示学习开展的研究工作，通过联合建模程序结构信息、上下文语义及代码变更信息，使模型能够更加准确地理解程序行为逻辑，提升了复杂软件场景下的泛化能力和鲁棒性，为人工智能理解复杂代码提供了新的技术路径。
针对智能分析结果可信性不足的问题，报告进一步介绍了团队在模型可解释性和形式化可信验证方面的研究成果。相关工作结合大语言模型与形式化验证技术，实现了从自然语言需求分析到形式化建模、自动验证的协同分析框架，并通过形式化方法为人工智能分析结果提供可验证的证据支撑，推动软件安全分析从"能够预测"向"能够验证"转变。
报告还介绍了相关研究成果在工业界的应用情况。目前，部分研究成果已成功应用于新加坡国防部下属网络安全机构CSIT的软件安全分析、新加坡软件安全企业Scantist的软件供应链安全分析，以及德国汽车企业AUMOVIO的产品需求缺陷自动分析等实际场景，为真实软件系统漏洞检测和需求可信验证提供了技术支撑。
互动交流
报告结束后，与国内外青年学者围绕大语言模型在软件安全中的应用、人工智能与程序分析融合、软件可信验证以及未来软件安全研究的发展方向等问题展开了深入交流讨论。针对人工智能分析结果可信性等热点问题，吴勃志博士结合近年来国际学术界的发展趋势，与青年学者们分享了软件工程、网络空间安全和人工智能交叉融合领域的最新研究进展，并就如何开展高水平科研进行了经验交流。
结束语
本次报告系统介绍了近年来人工智能赋能软件安全分析领域的最新研究进展，展示了程序分析、神经网络、大语言模型与形式化验证等技术融合发展的新趋势。报告不仅加深了海内外学者对智能软件安全分析前沿研究的了解，也进一步促进了软件工程、人工智能与网络空间安全等交叉领域的学术交流，为后续科研合作奠定了良好的基础。