論文の概要: TaintRadar: Semantic-Aware Taint-Style Vulnerability Detection via Augmented Code Property Graphs
- arxiv url: http://arxiv.org/abs/2607.16456v1
- Date: Fri, 17 Jul 2026 18:55:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-21 18:48:37.153983
- Title: TaintRadar: Semantic-Aware Taint-Style Vulnerability Detection via Augmented Code Property Graphs
- Title(参考訳): TaintRadar: Augmented Code Property Graphsによるセマンティックなテイントスタイル脆弱性検出
- Abstract要約: Code Property Graph (CPG)ベースのテイント分析では、サニタイズ、永続化、オブジェクトエイリアスを共同でモデル化するための構成意味層が欠如している。
本稿では,CPGを3つの意味解析層で体系的に拡張するTaintRadarを提案する。
人工ベンチマークと実世界のシステムの両方でTaintRadarを評価した。
- 参考スコア(独自算出の注目度): 1.1979851857700952
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Despite significant advances, static vulnerability analysis suffers from three critical limitations: coarse sanitization modeling, which treats validation as a binary barrier; database blindness, which breaks taint tracking across persistence layers; and shallow object-oriented analysis, which misses field-level and interprocedural data flows. These flaws stem from a common root cause: Code Property Graph (CPG)-based taint analyses lack a compositional semantic layer to jointly model sanitization, persistence, and object aliasing. Consequently, existing tools generate excessive false positives or miss critical attack paths entirely. To address these limitations, we present TaintRadar, an approach that systematically augments CPGs with three semantic analysis layers. First, vulnerability-typed sanitization computes node-level safety guarantees using transfer functions and context-sensitive parameter binding. Second, persistence-aware propagation integrates database schema constraints and query safety analysis to track multi-script attack paths traversing shared database states. Finally, object-aware reaching definitions combine calling and bounded variable alias contexts to precisely model object-field mutations across method boundaries. We evaluate TaintRadar on both synthetic benchmarks and real-world systems. On the SARD benchmark, TaintRadar drastically reduces false positives while maintaining 80% overall accuracy. Deployed across 19 real-world PHP applications, it rediscovered the majority of known CVEs and uncovered 29 confirmed zero-day vulnerabilities, including 26 SQL injection and 3 stored XSS vulnerabilities, that have already received CVE identifiers. These results demonstrate that semantic-aware graph augmentation significantly improves the precision, coverage, and practical utility of static taint analysis.
- Abstract(参考訳): バリデーションをバイナリバリアとして扱う粗いサニタイズモデリング、永続層を越えたテナントトラッキングを壊すデータベースブラインドネス、フィールドレベルのデータフローと相互運用データフローを欠く浅いオブジェクト指向分析である。
コードプロパティグラフ(CPG)ベースのテナント分析では、サニタイズ、永続化、オブジェクトエイリアスを共同でモデル化するための構成意味層が欠如している。
その結果、既存のツールでは過剰な偽陽性や致命的な攻撃経路が完全に失われる。
これらの制限に対処するため,3つの意味解析層でCPGを体系的に拡張するTaintRadarを提案する。
まず、脆弱性型衛生化は、転送関数とコンテキスト依存パラメータバインディングを使用してノードレベルの安全保証を計算する。
第2に、永続化対応の伝搬は、データベーススキーマの制約とクエリの安全性分析を統合し、共有データベース状態をトラバースするマルチスクリプトアタックパスを追跡する。
最後に、オブジェクト認識の到達定義は、呼び出しと境界変数のエイリアスコンテキストを組み合わせて、メソッド境界を越えてオブジェクトフィールドの突然変異を正確にモデル化する。
人工ベンチマークと実世界のシステムの両方でTaintRadarを評価した。
SARDベンチマークでは、TaintRadarは80%の精度を維持しながら、偽陽性を大幅に削減している。
19の現実世界のPHPアプリケーションにデプロイされ、既知のCVEの大部分が発見され、すでにCVE識別子を受け取った26のSQLインジェクションと3つのストアドXSS脆弱性を含む29のゼロデイ脆弱性が発見された。
これらの結果から,意味認識グラフの増大は静的なテイント解析の精度,カバレッジ,実用性を著しく向上させることが示された。
関連論文リスト
- AI Slop and Hallucinations in Vulnerability Assessment: A Survey on Reasoning Failures and Trustworthy Mitigation [48.55515767840701]
AIスロープ(AI slop)は、アーティファクト、幻覚的脆弱性、可視だが正しくないパッチ、セマンティックに再パッケージされたバグレポートである。
本稿では,実証的証拠を調査し,統一メカニズムを特定し,信頼に値するトリアージへの道筋をたどる。
論文 参考訳(メタデータ) (2026-08-26T11:48:38Z) - Domain Adaptive Object Detection via Dual-Stream Bilevel-Cycle Optimization [64.83565413108789]
サイクル自己学習(CST)は、標準自己学習フレームワークの共有分類器の仮定を破る。
CSTは、ターゲットの擬似ラベルでトレーニングすることで、ラベルなしのターゲットデータを悪用する。
論文 参考訳(メタデータ) (2026-06-30T09:05:30Z) - OpenAnt: LLM-Powered Vulnerability Discovery Through Code Decomposition, Adversarial Verification, and Dynamic Testing [0.0]
本稿では,オープンソースの脆弱性発見システムOpenAntを紹介する。
静的プログラム解析とLLMベースの推論を多段階パイプラインに統合する。
OpenAntはApache 2.0ライセンスの下でオープンソースとしてリリースされた。
論文 参考訳(メタデータ) (2026-06-17T14:56:04Z) - VulTriage: Triple-Path Context Augmentation for LLM-Based Vulnerability Detection [29.553970297594887]
VulTriageは脆弱性検出のための3重パスコンテキスト拡張フレームワークである。
VulTriageは、主要なペアワイドおよび分類指標上で最先端のパフォーマンスを達成することを示す。
論文 参考訳(メタデータ) (2026-05-10T10:20:05Z) - Securing the Dark Matter: A Semantic-Enhanced Neuro-Symbolic Framework for Supply Chain Analysis of Opaque Industrial Software [3.078839203681289]
ICSソフトウェアは、ソースレベルの透明性をソフトウェア構成分析から奪う、取り除かれたシンボルのないバイナリとして、定期的にデプロイされる。
既存のバイナリ解析技術は、このセマンティックギャップを部分的に閉じるだけである。
本稿では,不透明なバイナリから直接行動意味を再構築する意味強化型ニューロシンボリック・フレームワークを提案する。
論文 参考訳(メタデータ) (2026-05-08T13:45:18Z) - Dynamic analysis enhances issue resolution [53.50448142467294]
DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。
テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。
Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
論文 参考訳(メタデータ) (2026-03-23T14:48:54Z) - FP-Predictor - False Positive Prediction for Static Analysis Reports [5.4164223824711755]
この研究は、静的アプリケーションセキュリティテスト(SAST)レポートを真で偽陽性と予測するために設計されたグラフ畳み込みネットワーク(GCN)モデルを示す。
このモデルは静的解析結果から構築されたコードプロパティグラフ(CPG)を利用して、コード内の構造的および意味的な関係をキャプチャする。
CryptoAPI-Benchベンチマークの評価では、このモデルの実用性を示し、全体の精度は96.6%に達した。
論文 参考訳(メタデータ) (2026-03-11T09:05:39Z) - The Semantic Trap: Do Fine-tuned LLMs Learn Vulnerability Root Cause or Just Functional Pattern? [14.472036099680961]
そこで我々は,脆弱性根本原因を機能パターンから切り離すための総合評価フレームワークTrapEvalを提案する。
我々は、3つのモデルファミリーにまたがる5つの最先端LCMを微調整し、それらを、CodeBLEUによって測定されたクロスデータセットテスト、セマンティック保存、および様々なセマンティックギャップの下で評価する。
従来のデータセットに対する高いベンチマークスコアは、モデルが脆弱性の真の因果論理を理解できないことを隠蔽している可能性がある。
論文 参考訳(メタデータ) (2026-01-30T07:19:17Z) - Multi-Agent Taint Specification Extraction for Vulnerability Detection [49.27772068704498]
コンテナ分析を使用した静的アプリケーションセキュリティテスト(SAST)ツールは、高品質な脆弱性検出結果を提供するものとして広く見なされている。
本稿では,Large Language Models (LLM) のセマンティック理解と従来の静的プログラム解析を戦略的に組み合わせたマルチエージェントシステムであるSemTaintを提案する。
私たちは、SemTaintを最先端のSASTツールであるCodeQLと統合し、これまでCodeQLで検出できなかった162の脆弱性の106を検出して、その効果を実証しています。
論文 参考訳(メタデータ) (2026-01-15T21:31:51Z) - VulAgent: Hypothesis-Validation based Multi-Agent Vulnerability Detection [55.957275374847484]
VulAgentは仮説検証に基づくマルチエージェント脆弱性検出フレームワークである。
セマンティクスに敏感なマルチビュー検出パイプラインを実装しており、それぞれが特定の分析の観点から一致している。
平均して、VulAgentは全体的な精度を6.6%改善し、脆弱性のある固定されたコードペアの正確な識別率を最大450%向上させ、偽陽性率を約36%削減する。
論文 参考訳(メタデータ) (2025-09-15T02:25:38Z) - VELVET: a noVel Ensemble Learning approach to automatically locate
VulnErable sTatements [62.93814803258067]
本稿では,ソースコード中の脆弱な文を見つけるための新しいアンサンブル学習手法であるVELVETを提案する。
我々のモデルは、グラフベースとシーケンスベースニューラルネットワークを組み合わせて、プログラムグラフの局所的およびグローバル的コンテキストを捕捉する。
VELVETは、合成データと実世界のデータに対して、それぞれ99.6%と43.6%の精度を達成している。
論文 参考訳(メタデータ) (2021-12-20T22:45:27Z)
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。