填补二进制盲区：面向npm恶意包分诊的LLM领域知识注入

📋总体概括

这篇学术风格文章针对npm生态中恶意包检测的盲区展开：传统方案依赖静态特征和自然语言文本，难以理解二进制与编译产物，而LLM在恶意包分诊中也缺乏领域知识注入。作者提出将领域知识注入LLM的恶意包分诊方法，试图缩小这一「二进制盲区」，提升npm包安全审查的准确性与可解释性，属于AI for Data与数据安全交叉的应用研究。