論文の概要: CoSA: Context-Aware Severity Assessment via Context Analysis with Large Language Models

• arxiv url: http://arxiv.org/abs/2608.13928v1
• Date: Fri, 14 Aug 2026 03:57:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-17 20:14:29.262094
• Title: CoSA: Context-Aware Severity Assessment via Context Analysis with Large Language Models
• Title（参考訳）: CoSA:大規模言語モデルを用いた文脈分析による文脈認識の重症度評価
• Abstract要約: 本稿では,レポジトリ成果物からCVSSベースのメトリクスを推定するコンテキスト認識型脆弱性の深刻度評価手法を提案する。 CoSAは関数レベルと純粋LLMベースラインを一貫して上回る。 予測精度は14.4%向上し、マクロF1は15.3%向上した。
• 参考スコア（独自算出の注目度）: 10.144060774029972
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate vulnerability severity assessment is essential for prioritizing remediation, yet manually assessing Common Vulnerability Scoring System (CVSS) base metrics remains labor-intensive. Existing automated approaches often fail to capture the repository-level evidence required for assessing many CVSS base metrics. Such repository-aware assessment is challenging because relevant evidence is scattered across the entire repository under heavy noise. To address these challenges, we present CoSA, a Context-aware vulnerability Severity Assessment approach that infers CVSS base metrics from repository artifacts. CoSA constructs a code property graph (CPG) and applies a two-stage repository-pruning strategy: lightweight static pruning to preserve structurally proximal context, followed by an agentic large language model (LLM)-guided pruning step to retain CVSS-relevant context while collecting supporting evidence. The LLM then consolidates the retrieved repository context into compact, CVSS metric-wise textual summaries, which are fed into a lightweight transformer predictor. We also construct a higher-quality repository-level dataset comprising 6,816 CVSS labeled instances spanning 90 Common Weakness Enumeration (CWE) types. Experiments on real-world vulnerabilities show that CoSA consistently outperforms function-level and pure-LLM baselines. It improves prediction accuracy by 14.4% and Macro-F1 by 15.3% over the best-performing baseline, suggesting that explicit, metric-oriented repository context retrieval is crucial for practical and reliable automated severity assessment.
• Abstract（参考訳）: 修復の優先順位付けには、正確な脆弱性重大度評価が不可欠であるが、CVSS(Common Vulnerability Scoring System)ベースの指標を手作業で評価することは、依然として労働集約的である。 既存の自動アプローチは、多くのCVSSベースのメトリクスを評価するのに必要なリポジトリレベルのエビデンスをキャプチャするのに失敗することが多い。 このようなリポジトリ対応評価は、関連する証拠が大きなノイズの下でリポジトリ全体に散らばっているため、難しい。 これらの課題に対処するために、私たちは、リポジトリアーティファクトからCVSSベースのメトリクスを推測するコンテキスト対応の脆弱性Severity AssessmentアプローチであるCoSAを紹介します。 CoSAは、コードプロパティグラフ(CPG)を構築し、2段階のレポジトリプルーニング戦略を適用している: 構造的に近いコンテキストを維持するための軽量な静的プルーニング 続いて、エージェント型大規模言語モデル(LLM)誘導プルーニングステップにより、CVSS関連コンテキストを維持しながら証拠を収集する。 LLMは、取得したリポジトリコンテキストをコンパクトなCVSSメトリックのテキスト要約に集約し、軽量なトランスフォーマー予測器に入力する。 また,90種類のCWE(Common Weakness Enumeration)にまたがる6,816個のCVSSラベル付きインスタンスからなる,高品質なリポジトリレベルのデータセットを構築した。 現実世界の脆弱性の実験では、CoSAはファンクションレベルと純粋LLMベースラインを一貫して上回っている。 予測精度は14.4%向上し、マクロF1は15.3%向上した。

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)
• Multimodal Learning on Low-Quality Data with Conformal Predictive Self-Calibration [72.0672328514289]
  マルチモーダル学習は、しばしば低品質データの課題に悩まされる。 コンフォーマル予測自己校正(Conformal Predictive Self-Calibration)と呼ばれる統合フレームワークを提案する。 私たちのフレームワークは、既存の最先端メソッドを一貫して上回ります。
  論文  参考訳（メタデータ） (2026-05-05T14:48:52Z)
• Residual Risk Analysis in Benign Code: How Far Are We? A Multi-Model Semantic and Structural Similarity Approach [0.0]
  既存の脆弱性ベンチマークでは、パッチされた関数を本質的に良識として扱い、セキュリティ上のリスクが残存する可能性を見落としていることが多い。 本稿では、埋め込みに基づく意味的類似性、局所的なASTに基づく構造的類似性、コード内の残余リスクを推定するためのクロスモデル合意を統合する統合フレームワークであるResidual Risk Scoring(RRS)を提案する。 我々の分析では、良性関数は意味的にも構造的にも脆弱な関数と非常によく似ており、残留リスクの潜在的持続性を示している。
  論文  参考訳（メタデータ） (2026-04-22T19:51:31Z)
• Coverage, Not Averages: Semantic Stratification for Trustworthy Retrieval Evaluation [3.4588983513116065]
  検索向上世代(RAG)における検索品質は精度とロバスト性の主要なボトルネックである 我々は,評価を統計的推定問題として定式化し,評価セットの構成によってメートル法信頼性が根本的に制限されていることを示す。 その結果,(1)検索のセマンティック・システマティクスにまたがる形式的カバレッジ保証,(2)検索の失敗モードへの解釈可能な可視性を実現した。
  論文  参考訳（メタデータ） (2026-04-22T16:49:30Z)
• RealSec-bench: A Benchmark for Evaluating Secure Code Generation in Real-World Repositories [58.32028251925354]
  LLM(Large Language Models)は、コード生成において顕著な能力を示しているが、セキュアなコードを生成する能力は依然として重要で、未調査の領域である。 我々はRealSec-benchを紹介します。RealSec-benchは、現実世界の高リスクなJavaリポジトリから慎重に構築されたセキュアなコード生成のための新しいベンチマークです。
  論文  参考訳（メタデータ） (2026-01-30T08:29:01Z)
• ReVul-CoT: Towards Effective Software Vulnerability Assessment with Retrieval-Augmented Generation and Chain-of-Thought Prompting [9.735224996021591]
  本稿では,検索・拡張生成(RAG)とChain-of-Thought(COT)のプロンプトを統合した新しいフレームワークを提案する。 ReVul-CoTでは、RAGモジュールは構築されたローカル知識ベースからコンテキスト関連情報を動的に取得する。 DeepSeek-V3.1 上に構築されている CoT は LLM に対して,利用性や影響範囲,関連する要因に関するステップバイステップの推論を行うように促している。
  論文  参考訳（メタデータ） (2025-11-21T08:01:49Z)
• Improving Consistency in Retrieval-Augmented Systems with Group Similarity Rewards [14.535325886547112]
  RAGシステムは、ユーザがセマンティックに等価なクエリ間で出力が一貫性があることを期待する、ハイテイクなドメインにますますデプロイされている。 既存のシステムは、レトリバーとジェネレータの両方のばらつきにより、しばしば重大な矛盾を示す。 本稿では,RAGの一貫性をレトリバーレベル,ジェネレータレベル,エンド・ツー・エンドのコンポーネントに分解する基本的評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-05T23:14:13Z)
• FORGE: An LLM-driven Framework for Large-Scale Smart Contract Vulnerability Dataset Construction [34.20628333535654]
  FORGEはスマートコントラクト脆弱性データセットを構築するための最初の自動化アプローチである。 81,390のソリッドリティファイルと27,497の脆弱性を296のCWEカテゴリに分類したデータセットを生成した。 その結果、現在の検出能力の重大な制限が明らかになった。
  論文  参考訳（メタデータ） (2025-06-23T16:03:16Z)
• Compressed Feature Quality Assessment: Dataset and Baselines [89.62929964441962]
  圧縮された特徴のセマンティック忠実度を評価するための最初のベンチマークデータセットを提案する。 MSE、コサイン類似性、CKA(Centered Kernel Alignment)という3つの広く使われているメトリクスを、意味的劣化を捉える能力の観点から体系的に評価する。 この研究は、基礎的なベンチマークを確立し、コミュニティがCFQAを探索するための重要なリソースを提供することによって、この分野を前進させます。
  論文  参考訳（メタデータ） (2025-06-09T04:16:39Z)
• Reasoning with LLMs for Zero-Shot Vulnerability Detection [0.9208007322096533]
  textbfVulnSageは,多種多様な大規模オープンソースソフトウェアプロジェクトから収集した,総合的な評価フレームワークである。 このフレームワークは、関数レベル、ファイルレベル、関数間の複数の粒度解析をサポートする。 Baseline、Chain-of-context、Think、Think & verifyの4つの異なるゼロショットプロンプト戦略を採用している。
  論文  参考訳（メタデータ） (2025-03-22T23:59:17Z)
• SeCodePLT: A Unified Platform for Evaluating the Security of Code GenAI [58.29510889419971]
  コード生成大型言語モデル(LLM)のセキュリティリスクと能力を評価するための既存のベンチマークは、いくつかの重要な制限に直面している。 手動で検証し、高品質なシード例から始める、汎用的でスケーラブルなベンチマーク構築フレームワークを導入し、ターゲット突然変異を通じて拡張する。 このフレームワークをPython、C/C++、Javaに適用すると、44のCWEベースのリスクカテゴリと3つのセキュリティ機能にまたがる5.9k以上のサンプルデータセットであるSeCodePLTが構築されます。
  論文  参考訳（メタデータ） (2024-10-14T21:17:22Z)
• Detecting Multimodal Situations with Insufficient Context and Abstaining from Baseless Predictions [75.45274978665684]
  VLU(Vision-Language Understanding)ベンチマークには、提供されたコンテキストによってサポートされない仮定に答えが依存するサンプルが含まれている。 サンプル毎にコンテキストデータを収集し,エビデンスに基づくモデル予測を促進するためにコンテキスト選択モジュールをトレーニングする。 我々は,十分なコンテキストを欠いたサンプルを同定し,モデル精度を向上させる汎用なコンテキスト・アワレ認識検出器を開発した。
  論文  参考訳（メタデータ） (2024-05-18T02:21:32Z)

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。