CWE-89
PulseAugur coverage of CWE-89 — every cluster mentioning CWE-89 across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新数据集测试对抗性注释如何愚弄 LLM 代码审查器
名为 CommentInject 的新数据集已发布,用于测试对抗性代码注释如何影响 LLM 代码审查器。该数据集包含 30 个不同 CWE 类别的易受攻击的 Python 函数,其中包含旨在误导审查器认为代码安全的注释。使用 Qwen2.5-Coder 7B 和 Deepseek-Coder 6.7B 等模型的研究表明,存在误导性注释时,漏洞检测率会显著下降,尽管效果因模型和注释策略而异。
-
OpenRouting 使用 Claude LLM 对安全漏洞进行分类
OpenRouting 开发了一个系统,该系统使用通过 Amazon Bedrock 访问的 Claude 来对静态分析安全测试 (SAST) 工具的发现进行分类。LLM 不仅依赖模式匹配,还会根据其特定的代码上下文评估每个发现的可利用性。发现会根据其类型(如 SQL 注入或 LDAP 注入)路由给专门的审查员,并且指纹识别机制可防止重复问题的再分析,从而节省成本。
-
大型语言模型在识别 JavaScript 代码漏洞方面优于传统工具
一篇新的研究论文探讨了使用大型语言模型 (LLM) 来识别 JavaScript 代码中的漏洞。研究发现,LLM 的表现显著优于传统的静态应用程序安全测试 (SAST) 工具,经过微调的 Gemini 1.5 Flash 模型达到了 60% 的检测准确率。不同的提示策略和微调方法在不同类型的漏洞上表现出不同的有效性,LLM 为代码安全提供了一个实用的、但并非详尽无遗的解决方案。
-
LLM路由假设在代码安全漏洞检测中得到证实
一篇新的研究论文探讨了大语言模型(LLM)中的“路由假设”,认为模型拥有知识但难以在内部路由以激活它。该研究在代码安全漏洞检测中重现了先前在数学推理任务中的发现,使用了GPT-OSS-120B、Llama-3.3-70B和Gemma-4-31B等模型。结果表明,结构化先验(备忘单)在合成数据上显著提高了性能,但在应用于真实CVE数据时导致准确率大幅下降,表明存在跨领域权衡。
-
基于系统调用的 HIDS 泛化在 CVE 和 CWE 中进行测试
研究人员调查了利用系统调用跟踪的主机入侵检测系统 (HIDS) 的泛化能力。该研究实证测试了在共享同一通用弱点枚举 (CWE) 类的已知通用漏洞和暴露 (CVE) 上训练的异常检测器是否能够识别同一类中新的、未见的 CVE。研究结果表明,虽然使用当前的系统调用特征可以实现某些弱点家族的 CWE 级别泛化,但并非普遍有效,并且可能具有方向依赖性。研究还强调了校准误报率对于该领域可靠报告的重要性。