研究人员开发了 BUGSTONE-E2E,一个旨在将历史漏洞数据转化为可执行检测规则的框架。该系统挖掘修复提交以创建可重用规则,然后通过多阶段检测管道进行处理。该管道最初使用轻量级分析,然后使用基于 LLM 的代理对潜在漏洞进行更深入的检查。该框架旨在使过去的漏洞信息在自动化检测和修复方面更具可操作性。 AI
影响 该框架可以通过利用 LLM 来分析和处理历史漏洞数据,从而增强自动化软件安全性。
排序理由 该项目是一篇学术论文,详细介绍了一个新框架和方法论。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →