研究人员开发了DUALLM，一种新颖的双重方法流水线，它结合了大型语言模型（LLM）和微调的小型语言模型，用于对开源软件中的关键内存错误安全补丁进行分类。该方法达到了87.4%的准确率和0.875的F1分数，显著优于以前的方法。DUALLM在最近的Linux内核补丁中成功识别了111个潜在的OOB或UAF漏洞，手动验证确认了90个真阳性。研究人员还为两个已识别的错误创建了概念验证（proof-of-concept）利用程序，证明了该系统在发现先前未知的安全缺陷方面的有效性。 AI
影响 通过改进关键内存漏洞的识别和修补，增强了开源软件的安全性。
排序理由 该项目是一篇学术论文，详细介绍了一种使用LLM对安全补丁进行分类的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- CatalyzeX
- DagsHub
- DUALLM
- Gotit.pub
- Hugging Face
- Large Language Model
- Linux kernel
- out-of-bounds (OOB) accesses
- use-after-free (UAF) bugs
- Xingyu Li
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
