知名資安研討會總整理：2026 資安研究員的投稿主題分析

這篇是偏資安研究員視角的整理。 如果前一篇比較像是給研究生建立地圖與閱讀脈絡，那這篇更關心的問題會是：作為研究員，近幾年的資安投稿題目到底在往哪裡移動？哪些方向有延展性？哪些方向雖然熱，但很快會內卷？又有哪些題目其實值得長期佈局？

這裡的「研究員視角」不是單純指年資比較高，而是指你在看一個 topic 時，會更在意：

• 這個方向能不能做成研究線
• 是不是只是一波熱門詞
• 問題定義有沒有擴張空間
• 資料、驗證與系統實作是否可持續
• 未來 2–3 年還能不能繼續發展

先講結論：現在的資安熱門題目，不只是「AI 很紅」這麼簡單

這幾年如果你觀察 USENIX Security、IEEE S&P、ACM CCS、NDSS，以及 RAID、ACSAC、EuroS&P、AsiaCCS 等會議，最容易被看見的現象當然是 AI / LLM 相關題目暴增。但如果你只停在這個表面結論，反而會看錯方向。

真正的變化不是「大家都在做 AI」，而是：越來越多資安問題正在被重新表述成可推理、可資料化、可工作流整合的問題。 這意味著 AI 只是表層工具，底層真正變的是研究問題的組織方式。

研究員看資安研討會，先看的是研究線，不只是單篇題目

研究生看 paper，可能會先問「這篇強不強」；研究員通常更常問的是：

• 這篇背後是不是一條正在形成的研究線？
• 這個 venue 今年在累積哪一批問題？
• 哪些題目已經開始從零散 individual papers 變成穩定社群？

從這個角度看，近幾年比較明顯的幾條線包括：

• LLM / GenAI security
• AI-assisted defense 與 analyst workflow augmentation
• Threat intelligence automation
• RAG / agent / tool-using security systems
• Explainable security analytics
• software supply chain 與生態系量測
• web / browser / protocol security 的持續深化

第一條正在形成的研究線：Security of LLMs / GenAI Systems

這條線不用多說，現在幾乎所有主會議都會看到它。但研究員應該注意的不是「這題紅」，而是這條線已經開始明顯分岔。

目前至少可以拆成：

• prompt injection / jailbreak
• agent security
• RAG poisoning / retrieval manipulation
• tool-use exploitation
• alignment 與安全控制
• benchmarking / evaluation methodology

這裡的研究價值高，但也最容易快速飽和。因為很多工作若只停在「攻擊一個 model / 一個 prompt」，會很快失去新鮮感。研究員要看的不是單一 exploit，而是：

• 有沒有更一般化的 threat model
• 有沒有新的 evaluation methodology
• 有沒有對 agent / RAG / long-term memory / tool orchestration 給出新的系統性理解

第二條線：AI for Security 正在從單點模型走向工作流整合

另一個值得注意的方向，是 AI 在資安中的應用，已經從「拿模型做分類」往「整合 analyst workflow」移動。

以前很多論文的型態是：

• 把某個模型套到 IDS
• 把某個 embedding 模型套到 malware classification
• 把某個 NLP 模型套到 threat report extraction

現在更常見的是：

• classification + retrieval + reasoning
• extraction + KG + querying
• alert triage + explanation + response recommendation
• human analyst + AI co-pilot workflow

這個轉變很重要。因為它意味著新的研究價值越來越來自「系統整合能力」與「工作流合理性」，而不只是模型分數本身。

第三條線：Threat Intelligence 正從資料整理問題，變成推理與驗證問題

如果你特別關注 CTI，這一點會很明顯。以前很多 CTI 研究重點比較像：

• 抽 IOC
• 抽 TTP
• 做 basic entity / relation extraction

現在則開始變成：

• CTI credibility verification
• APT attribution
• multi-source evidence aggregation
• knowledge graph construction
• RAG-based CTI investigation
• LLM-assisted reasoning over CTI artifacts

也就是說，CTI 研究的問題意識，正在從「能不能抽出來」往「抽出來之後怎麼驗證、怎麼推理、怎麼落到決策」移動。這是一條很值得研究員持續追的線，因為它還沒有完全成熟，而且和真實 SOC / threat intel team 的需求連得很近。

第四條線：Explainability 不再只是附加價值，而是系統可信度的一部分

研究員應該注意到，近幾年的 explainability 在安全裡的角色變了。以前可解釋性常常像 bonus feature；現在，尤其是 LLM / agent 系統進入資安後，explainability 變成系統是否可被實際採納的核心條件之一。

原因很簡單：

• 安全系統不只是要分對，還要能被 analyst 信任
• 如果系統會推 mitigation、做 attribution、給高風險判斷，就需要可追溯理由
• 黑箱分數在高風險環境中可用性有限

因此，Knowledge Graph、retrieval trace、evidence grounding、natural language justification、interactive analyst interfaces，這些不只是 UI enhancement，而是系統可信度的一部分。

第五條線：傳統安全主題沒有消失，而是變得更難做得普通

這幾年還有一個容易被忽略的現象：傳統安全主題其實沒有變冷，只是標準提高了。

例如：

• software supply chain security
• browser / web security
• system security
• hardware / firmware security
• protocol attacks
• mobile security

這些題目一直都還在主會議裡，而且常常非常強。只是現在如果要在這些方向做出有影響力的工作，通常不能只是小修小補，而要在 threat model、實證規模、攻擊深度或防禦框架上做出更明顯的新意。

哪些方向值得長期佈局？

如果從研究員的角度問「哪幾條線值得押 2–3 年」，我會特別留意這些：

• Agentic security systems：不只是 agent 被攻擊，而是 agent 如何安全地進入安全工作流
• RAG / retrieval security：因為這不只影響 AI，也影響整個 evidence-grounded automation
• CTI reasoning / attribution / verification：這條線剛好在成長期
• multi-source security intelligence fusion：logs、reports、forums、malware、graph 的整合才剛開始
• benchmarking and evaluation for security LLM systems：因為現在評估方法還很不穩
• human-AI collaborative defense workflow：這會是實務採用與研究價值的交會點

這些方向的共同特色是：它們不是只靠某個 model 版本吃飯，而是有機會形成一整條持續演進的研究線。

哪些方向要小心內卷？

有些題目雖然很熱，但研究員如果要進場，必須很警惕內卷速度。例如：

• 單點式 jailbreak / prompt attack papers
• 只做小幅性能比較的 LLM-for-security experiments
• 沒有新威脅模型、只做模型替換的應用文
• 只把通用 benchmark 換成安全資料、但沒有新的安全洞見

這類工作短期可能容易寫，但長期不一定能形成穩定研究線。研究員更該問的是：這個題目在兩年後還有沒有研究增量空間？

從 venue 角度看，研究員可以怎麼選戰場？

如果是研究員在規劃投稿，不應只看排名，而要看你的工作比較像哪一類貢獻：

• 威脅模型、攻防設計、理論完整性強 → 更適合 IEEE S&P / NDSS 類型思路
• 系統工程、實作驗證、大規模量測 → USENIX Security 很常見
• 題材跨域、AI security、隱私、系統安全都可能混合 → CCS 很適合
• 攻擊與防禦、實際事件、惡意行為分析 → RAID / ACSAC 會很自然

這種判斷方式比「哪個會議比較強」更實用，因為真正決定成功率的，往往是你有沒有把工作放到對的社群與審稿脈絡裡。

重點整理

• 資安研討會的近年變化，不只是 AI 熱，而是研究問題正在往工作流整合、推理、驗證與可解釋性移動。
• LLM / agent / RAG 是顯眼趨勢，但真正值得長期佈局的是它們如何進入真實安全流程。
• Threat Intelligence 自動化、APT attribution、credibility verification、multi-source fusion 是非常值得追的研究線。
• 傳統主題如系統安全、Web 安全、供應鏈安全沒有退場，只是研究標準更高了。
• 研究員應該優先判斷一個題目能不能形成研究線，而不是只看它短期是否熱門。

Takeaway

如果用研究員的角度看近幾年的資安投稿主題，最重要的結論不是「AI 很熱」，而是：資安研究正在從單點技術問題，轉向更強調 evidence、workflow、scalability、explainability 與 human-AI collaboration 的系統性問題。

這也代表，真正有長期價值的題目，通常不是最會蹭熱門詞的題目，而是那些能把真實安全問題重新定義、並且建立穩定研究線的方向。對研究員來說，這種題目才值得長押。

免責聲明

本文由 AI 整理與撰寫，內容主要依據公開研討會資訊、近年 accepted papers 所反映之研究走向、可取得之社群脈絡與技術趨勢資料進行彙整與分析。儘管已盡力確保內容之完整性與可讀性，仍可能因年度主題波動、社群觀點差異或資料更新時間差而存在疏漏、不精確或變動之處。本文內容僅供研究交流與知識分享參考，實際投稿策略、題目熱度與各 venue 接受偏好，仍應以會議官方 CFP、program committee 與近年論文內容為準。