报告标题：PyFEX：分析 Python 程序中隐藏的行为

报告时间：9月23日13:00-14:30

报告地点：理科大楼B407

报告摘要：

      随着大语言模型逐渐参与软件开发，开发者需要审视的不仅是生成代码的功能是否

正确，还包括代码及其第三方依赖是否引入了超出预期的行为。例如，一个能够正确处

理本地文件的程序，也可能通过所依赖的软件包将敏感数据发送至外部服务器。因此，

理解程序实际执行了什么，是评估软件安全性、进一步检查其是否符合开发者意图的重

要基础。

      然而，揭示 Python 程序行为尤其是恶意行为面临多重困难。动态生成的代码和混

淆机制增加了静态分析的难度；环境检测与条件触发机制可能使恶意逻辑在分析环境中

保持隐藏；缺失的文件、依赖或远程服务又可能导致动态分析提前终止。此外，隐藏在

特定函数中的恶意行为，往往不会在软件包安装或导入时被触发。这些因素共同限制了

现有分析方法能够观察到的程序行为。

     已有研究通过改进分类模型提升恶意软件检测能力，但分类器的判断仍受限于分析

过程能够提供的行为特征。本工作关注更上游的行为可见性问题：如何揭示常规分析未

能观察到的行为，为后续检测提供更丰富的特征与证据。

    本报告介绍 PyFEX，一种面向 Python 威胁分析的强制执行框架。PyFEX 在 CPython

解释器层面探索常规执行未覆盖的分支，并在执行因缺失环境或数据而失败时，通过合

成对象支持后续分析。其核心思想是：即使无法获得某个值的具体内容，仍可以保留该

值的来源及后续使用关系，从而揭示潜在的敏感数据访问与外传行为。同时，PyFEX 结

合路径与状态合并机制控制探索开销，并主动分析常规入口未调用的函数，以扩大行为

覆盖范围。

      在此基础上，我们构建了恶意软件包检测系统 PyFEXScan，利用 PyFEX 生成的执

行轨迹进行行为分析。在为期 90 天的实际部署中，系统扫描了 50,427 个 PyPI 软件包，

并发现经人工确认的 212 个此前未知的恶意软件包；这些软件包在被发现时已累计下载

91,648 次。报告最后将讨论如何进一步结合程序行为证据、开发者意图与使用场景，为

LLM 辅助开发中的代码审查提供支持。

报告人简介：

      王蒙现为德国 CISPA 亥姆霍兹信息安全中心的博士研究生，导师为 Ali Abbasi，主

要研究方向为程序分析、系统安全与固件安全，关注如何利用程序语义分析发现难以检

测的安全威胁。此前，他曾在亚马逊云科技（AWS）担任安全工程师，从事自动化web

漏洞检测工具开发；曾在UVA与 Yonghwi Kwon 开展研究，并在南洋理工大学（NTU）

师从prof. Mo Li开展科研实习。