一站式追踪LLM漏洞检测前沿论文与数据集
这是一个持续更新的开源索引，专门收录大语言模型（LLM）在软件漏洞检测领域的研究成果。项目按函数级、仓库级、智能体驱动和智能合约检测等维度分类整理了论文，并汇总了相关数据集、基准测试和综述。它解决了该领域研究资料分散、难以追踪前沿进展的问题，为安全研究人员和开发者提供了一站式导航。核心能力包括：结构化分类论文、提供数据集和基准的链接、跟踪智能体在漏洞挖掘中的最新应用，以及定期更新以反映社区动态。项目本身不提供代码实现，而是作为知识图谱和资源枢纽，帮助用户快速定位所需文献和工具，降低入门门槛。
⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。
1克隆索引仓库
把整份索引下载到本地，后续离线翻阅论文表格和 docs 文档更稳定。
git clone https://github.com/huhusmang/Awesome-LLMs-for-Vulnerability-Detection.git2进入项目目录
切换到仓库根目录，后续命令都基于该目录执行。
cd Awesome-LLMs-for-Vulnerability-Detection3阅读论文总表
README 的 Papers 表格只收录 2025 年及之后的成果，含标题、会议、年份和论文/GitHub 链接。
4查看早期论文存档
README 说明 2024 年及更早的工作放在 docs/papers_archive.md 中，需要历史文献时打开该文件。
cat docs/papers_archive.md打开 README.md 能看到 Papers 表格及 2025 年之后的论文条目，即表示克隆和阅读环境正常。
Q：这个项目能直接跑漏洞检测吗？
A：不能。它是论文、项目与 agent 能力的索引清单，本身不提供检测模型或可执行代码，只给出论文和对应 GitHub 仓库的链接。
Q：为什么 README 里只有 2025 年以后的论文？
A：README 明确说明只展示 2025 年及之后的成果，2024 年及更早的工作被整理到 docs/papers_archive.md 存档文件中。
Q：需要安装 Python 或配置环境吗？
A：不需要。README 未提供任何安装、依赖或运行说明，克隆后直接阅读 Markdown 文档即可，无需构建或启动服务。
Q：怎么找到某篇论文的开源实现？
A：在表格中查看该条目的 Github 列，若有链接可直接跳转到作者的代码仓库；若该列为空则说明暂未公开实现。
Awesome-LLM-Security、Awesome-Code-LLM、VulnLoc
Awesome-LLMs-for-Vulnerability-Detection 是评测安全领域的开源项目，由 huhusmang 开发，2024 年首次发布。
在全站 13,090 个收录项目中，它的 GitHub 星标数（1,425）位列前 30%，在评测安全分类中处于中上游。
近 42 天，它的 GitHub 星标从 1,227 增加到 1,425，净增 198。
项目目前处于活跃维护状态，最近一次代码更新于 2026-09-23。完全免费，无付费版本。
它主要面向的使用场景是：安全研究者调研LLM漏洞检测技术路线。同类可对比的替代方案包括 Awesome-LLM-Security、Awesome-Code-LLM、VulnLoc。
akto
开源
给 AI 应用做安全体检，防提示注入和数据泄露
Akto is the fastest growing AI Security platform for your teams to secure AI agents,···
XSafeClaw
开源
给 AI 智能体装上安全盾，自动红队测试找漏洞
Introducing XSafeClaw: The Open-Source Agent Safety Platform from Fudan University
fast-llm-security-guardrails
开源
给 AI Agent 加一道快速安全闸门，防提示注入和隐私泄露
The fastest Trust Layer for AI Agents
deepteam
开源
自动模拟越狱攻击，提前测出 LLM 安全漏洞
DeepTeam is a framework to red team LLMs and AI agents.