論文の概要: Knowledge-Enhanced Agentic Vulnerability Repair

• arxiv url: http://arxiv.org/abs/2607.00820v1
• Date: Wed, 01 Jul 2026 11:42:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-02 19:56:07.87743
• Title: Knowledge-Enhanced Agentic Vulnerability Repair
• Title（参考訳）: 知識強化型エージェント脆弱性修復
• Abstract要約: KeaRepairは、検証済みのプログラム事実と高いレベルの脆弱性知識のパッチ生成を基盤とする、新しいエージェント的アプローチである。 55のC/C++脆弱性に対する既存のアプローチよりも大幅に優れています。 Gemini-3.1-Proと組み合わせると、KeaRepairは46個の脆弱性の修復に成功し、83.64%の修復率を達成した。
• 参考スコア（独自算出の注目度）: 20.715227299482947
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Frontier foundation models have changed the math on vulnerability discovery, but the bigger challenge is how the remediation side keeps up. Despite recent progresses in Automated Vulnerability Repair (AVR), current solutions struggle to reliably identify the root causes of vulnerabilities, and insufficiently utilize the prior fix knowledge to guide the patch generation process, thus undermining their effectiveness in practice. To address this gap, we propose KeaRepair, a novel agentic AVR approach that grounds patch generation in verified program facts and high-level vulnerability knowledge. Specifically, KeaRepair first extracts multi-dimensional vulnerability knowledge from historical vulnerability-patch pairs from dual complementary views, and constructs dedicated retrieval knowledge bases. It then employs a tool-augmented agent that performs ReAct-style reasoning to collect verified program facts for vulnerability diagnosis. Finally, based on the diagnostic results, KeaRepair performs knowledge-level retrieval-augmented patch generation and iteratively refines patches through a closed-loop validation process involving compilation, PoC replay, and test-suite execution. Experimental results show that KeaRepair significantly outperforms existing AVR approaches on 55 reproducible C/C++ vulnerabilities. When paired with Gemini-3.1-Pro, KeaRepair successfully repairs 46 vulnerabilities, achieving a repair rate of 83.64%. Moreover, KeaRepair fixes six unique vulnerabilities that none of the baselines can address, and further demonstrates strong cross-language generalizability.
• Abstract（参考訳）: フェデラルファンデーションモデルは、脆弱性発見に関する数学を変えましたが、もっと大きな課題は、修復の側面がどのように維持されているかです。 近年のAVR(Automated Vulnerability repair)の進歩にもかかわらず、現在のソリューションは脆弱性の根本原因を確実に特定し、以前の修正知識を不十分に活用してパッチ生成プロセスをガイドし、その効果を損なう。 このギャップに対処するため、我々は、検証されたプログラム事実と高いレベルの脆弱性知識のパッチ生成を基盤とする、新しいエージェントAVRアプローチであるKeaRepairを提案する。 具体的には、KeaRepairは、まず2つの補完的な視点から、歴史的脆弱性パッチペアから多次元脆弱性知識を抽出し、専用の検索知識ベースを構築する。 次に、ReActスタイルの推論を実行するツール拡張エージェントを使用して、脆弱性診断のための検証済みのプログラム事実を収集する。 最後に、診断結果に基づいて、KeaRepairは知識レベルの検索強化パッチ生成を行い、コンパイル、PoCリプレイ、テストスイート実行を含むクローズドループ検証プロセスを通じてパッチを反復的に洗練する。 KeaRepairは、55の再現可能なC/C++脆弱性に対して、既存のAVRアプローチを著しく上回っている。 Gemini-3.1-Proと組み合わせると、KeaRepairは46個の脆弱性の修復に成功し、83.64%の修復率を達成した。 さらに、KeaRepairは、ベースラインに対処できない6つのユニークな脆弱性を修正し、言語間の大きな一般化性を示している。

関連論文リスト

• Vulnerability Localization Benchmark: Measuring Agentic Security Analysis at Repository Scale [54.83971397981572]
  言語モデルエージェントは、ソフトウェアリポジトリ全体を通してますます運用される。 サイバーセキュリティ評価は、関連するコードを見つけることよりも、脆弱性を検出、再生、または修復できるかどうかを測定する。 脆弱性のローカライゼーションについて検討する。弱点クラスと不慣れなリポジトリが与えられた場合、その弱点に関連する実装ファイルを特定する。
  論文  参考訳（メタデータ） (2026-09-14T17:44:51Z)
• Independent Patch Verification for Coding Agents with a Bidirectional Reconstruct-and-Verify Framework [49.16055123488827]
  大規模言語モデルを利用したコーディングエージェントは、バグレポートから直接コードパッチを生成することができる。 報告された問題を真に解決するかどうかを独立に検証するメカニズムは存在しない。 本稿では,RETRACE をトレーニング不要なポストジェネレーション検証フレームワークとして提案する。
  論文  参考訳（メタデータ） (2026-08-09T22:59:13Z)
• PhoenixRepair: Rethinking Repair Strategy Exploration in Software Agents [62.36339598951133]
  PhoenixRepairは、複数の候補編集場所を探索し、より良いパッチを生成するマルチエージェントフレームワークである。 PhoenixRepairはDeepSeek-V3.1の下でSWE-agentよりも7.8%の最大の相対的改善を実現し、MiniMax-M2.5で76.0%のPass@1の最高分解率を達成した。
  論文  参考訳（メタデータ） (2026-07-21T08:49:30Z)
• RAVEN: Agentic RAG for Automated Vulnerability Repair [48.8954115363348]
  自動脆弱性修復のためのスケーラブルで効率的で自律的なフレームワークであるRAVENを提案する。 RAVENは、エージェント検索拡張生成(RAG)パイプラインと、制御された反復的な修復を統一されたフレームワークに統合する。 RAVENは全体の修復成功率83.13%を達成し、既存のすべての修復フレームワークを上回っている。
  論文  参考訳（メタデータ） (2026-06-21T19:18:06Z)
• MemRepair: Hierarchical Memory for Agentic Repository-Level Vulnerability Repair [10.709112246848058]
  現代のソフトウェアエコシステムは、公表された脆弱性の急増に直面している。 既存のシステムのほとんどは、脆弱性の修復を、現在見えるコードコンテキストの単一生成ステップとして扱う。 本稿では、メモリ拡張されたエージェントフレームワークであるMemRepairを紹介し、脆弱性修復を反復的、経験駆動的なプロセスとして定式化する。
  論文  参考訳（メタデータ） (2026-05-17T13:29:46Z)
• Multi-Agent End-to-End Vulnerability Management for Mitigating Recurring Vulnerabilities [9.2997229083124]
  従来の静的解析手法はコンテキスト依存を正確に捉えるのに苦労する。 コードの再利用と共有ロジックにより、繰り返し脆弱性が発生する。 エンド・ツー・エンドの繰り返し脆弱性管理のためのマルチエージェントフレームワークであるMAVMを提案する。
  論文  参考訳（メタデータ） (2026-01-25T09:35:05Z)
• Semantics-Aligned, Curriculum-Driven, and Reasoning-Enhanced Vulnerability Repair Framework [15.17681731375364]
  SeCuRepairは、セマンティクスに準拠し、カリキュラム駆動で、脆弱性修復のための推論強化フレームワークである。 コアとなるSeCuRepairは、理由と脆弱性の修正方法をモデルに明記する必要がある、合理的に編集されたパラダイムを採用している。 SeCuRepairはまた、従来の教師付き微調整を超えて、セマンティックス対応の強化学習を採用している。
  論文  参考訳（メタデータ） (2025-10-01T15:09:27Z)
• Scalable and Robust LLM Unlearning by Correcting Responses with Retrieved Exclusions [49.55618517046225]
  Webスケールのコーパスリスクを記憶し、センシティブな情報を暴露する言語モデル。 本稿では,新しいアンラーニングフレームワークであるCorrective Unlearning with Retrieved Exclusions (CURE)を提案する。 CUREは、リークのモデル出力を確認し、安全な応答に修正する。
  論文  参考訳（メタデータ） (2025-09-30T09:07:45Z)
• What Do They Fix? LLM-Aided Categorization of Security Patches for Critical Memory Bugs [46.325755802511026]
  我々は、LLM(Large Language Model)と細調整された小言語モデルに基づく2つのアプローチを統合するデュアルメタルパイプラインであるLMを開発した。 LMは、OOBまたはUAFの脆弱性に対処する最近のLinuxカーネルのパッチ5,140のうち111つを、手作業による検証によって90の正の正が確認された。
  論文  参考訳（メタデータ） (2025-09-26T18:06:36Z)
• Agent KB: Leveraging Cross-Domain Experience for Agentic Problem Solving [62.71545696485824]
  我々は,異種エージェントフレームワーク間のシームレスな体験共有を可能にするユニバーサルメモリ基盤であるAgent KBを紹介した。 Agent KBはトラジェクトリを構造化知識ベースに集約し、軽量APIを提供する。 我々は,GAIA,Humanity's Last Exam,GPQA,SWE-benchなどの主要フレームワークにまたがるエージェントを検証した。
  論文  参考訳（メタデータ） (2025-07-08T17:59:22Z)
• InfraFix: Technology-Agnostic Repair of Infrastructure as Code [46.798266975184276]
  InfraFixはIaCスクリプトを修復するための最初の技術に依存しないフレームワークである。 95.7%の成功率で254,288件の修理シナリオで有効性を実証した。
  論文  参考訳（メタデータ） (2025-03-21T15:24:54Z)
• CommitShield: Tracking Vulnerability Introduction and Fix in Version Control Systems [15.037460085046806]
  CommitShieldは、コードコミットの脆弱性を検出するツールである。 静的解析ツールのコード解析機能と、大きな言語モデルの自然言語とコード理解機能を組み合わせる。 脆弱性修正検出タスクの最先端メソッドに対して,CommitShieldはリコールを76%～87%改善することを示す。
  論文  参考訳（メタデータ） (2025-01-07T08:52:55Z)
• There are More Fish in the Sea: Automated Vulnerability Repair via Binary Templates [4.907610470063863]
  本稿では,Javaバイナリに対するテンプレートベースの自動脆弱性修復手法を提案する。 Vul4Jデータセットの実験では、TemVURが11の脆弱性の修正に成功した。 TemVURの一般化性を評価するため、MaryVuls4Jデータセットをキュレートする。
  論文  参考訳（メタデータ） (2024-11-27T06:59:45Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。