論文の概要: Vibe Coding and Web Application Security: A Twin-Prompt Study

• arxiv url: http://arxiv.org/abs/2608.20963v1
• Date: Fri, 21 Aug 2026 10:34:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-24 14:49:32.508574
• Title: Vibe Coding and Web Application Security: A Twin-Prompt Study
• Title（参考訳）: バイブコーディングとWebアプリケーションのセキュリティ - ツインプロンプト調査
• Abstract要約: 機能的に異なる6つのウェブアプリケーションについて検討し、それぞれ、追加のセキュリティ要求セクションを除いて同一の2つのプロンプト変種で生成する。 12のプログラムはいずれも同一のエージェント・コーディング・アシスタントと同一のモデル・バージョンで1回の非イテレーティブ・ジェネレーション・ラウンドで製作された。 セキュリティ対応版では、すべてのアプリケーションで確認された結果が少なくなり、クリティカルやハイの問題もなかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models increasingly generate complete web applications from natural-language prompts, raising the question of whether explicitly requesting security best practice improves the result. We study six functionally distinct web applications, each generated in two prompt variants that are identical except for an appended security-requirements section: a baseline (A) and a security-aware (B) variant. All twelve programs were produced by the same agentic coding assistant and the same model version in a single, non-iterative generation round, and were then analyzed with static, dependency, dynamic and manual techniques, yielding 75 confirmed findings out of 85 candidates. The security-aware variant produced fewer confirmed findings in every application (24 versus 51) and contained no Critical or High issues; the most severe finding was detected only by manual testing. Because the corpus is small and each variant was generated once, we report descriptive observations rather than statistically established effects, and position the work as a preliminary study whose pipeline is being scaled to multiple models and repeated runs.
• Abstract（参考訳）: 大規模言語モデルは、自然言語のプロンプトから完全なWebアプリケーションをますます生成し、セキュリティのベストプラクティスを明示的に要求することが結果を改善するかどうかという疑問を提起する。 機能的に異なる6つのWebアプリケーションについて検討し、それぞれが2つのプロンプト変種で生成され、ベースライン(A)とセキュリティアウェア(B)の変種が付加されたセキュリティ要求部を除いて同一であることを示す。 12のプログラムは、同一のエージェントコーディングアシスタントと同一のモデルバージョンを1回の非定型生成ラウンドで生成し、静的、依存性、動的、手動のテクニックで分析し、85の候補のうち75の発見を得た。 セキュリティ対応版では、すべてのアプリケーション(24対51)で確認された結果が少なく、クリティカルまたはハイな問題が含まれておらず、最も深刻な発見は手動テストでのみ検出された。 コーパスは小さく,各変種は一度生成されるため,統計的に確立された効果よりも記述的な観察を報告し,パイプラインを複数のモデルに拡張し,繰り返し実行を繰り返す予備研究として位置づける。

関連論文リスト

• What Current AI Benchmarks Leave Unmeasured: Modality, Search, Citations, and Implications (for Safety Evaluations) [1.0499611180329804]
  私たちは、ChatGPTのチャットUIとOpenAIのAPIの2つのモダリティを、Web検索を有効に/しないで比較した。 例えば、チャットUIレスポンスは、検索を無効にした両方のベンチマークのAPIレスポンスよりも正確ではなかった。 AIの安全性評価は、モダリティ、マルチラン一貫性、探索条件、応答レベルの振る舞いを体系的に考慮すべきである、と我々は主張する。
  論文  参考訳（メタデータ） (2026-08-06T15:58:32Z)
• ClawArena: Benchmarking AI Agents in Evolving Information Environments [61.664633997138004]
  ClawArenaは、進化する情報環境におけるAIエージェントの評価のためのベンチマークである。 それぞれのシナリオは、エージェントをノイズ、部分的、時には矛盾するトレースだけに露呈しながら、完全に隠された地上の真実を維持します。 評価は、マルチソースコンフリクト推論、動的信念修正、暗黙のパーソナライゼーションという3つの複合的な課題に基づいて構成される。
  論文  参考訳（メタデータ） (2026-04-05T17:55:23Z)
• UniT: Unified Multimodal Chain-of-Thought Test-time Scaling [85.590774707406]
  統一モデルは単一のアーキテクチャ内でマルチモーダル理解と生成の両方を扱うことができるが、通常は出力を反復的に書き換えることなく単一のパスで操作する。 マルチモーダルなテストタイムスケーリングのためのフレームワークであるUniTを導入し、単一の統一モデルで複数のラウンドをまたいだ推論、検証、精査を可能にします。
  論文  参考訳（メタデータ） (2026-02-12T18:59:49Z)
• Large Empirical Case Study: Go-Explore adapted for AI Red Team Testing [0.5896098673075335]
  Go-Explore を用いて GPT-4o-mini の評価を行った。 乱数列のばらつきがアルゴリズムのパラメータを支配し,結果の8倍の拡散をもたらすことがわかった。 報酬形成はパフォーマンスを損なうことが分かり、94%のランニングで探索が崩壊したり、18件の偽陽性を発生させたりした。
  論文  参考訳（メタデータ） (2025-12-31T03:38:38Z)
• Explicit Vulnerability Generation with LLMs: An Investigation Beyond Adversarial Attacks [0.5218155982819203]
  大規模言語モデル(LLM)は、コードアシスタントとしてますます使われている。 本研究は、より直接的な脅威について検討する。オープンソースのLLMは、トリガー時に脆弱性のあるコードを生成する。
  論文  参考訳（メタデータ） (2025-07-14T08:36:26Z)
• Benchmarking Unified Face Attack Detection via Hierarchical Prompt Tuning [58.16354555208417]
  PADとFFDはそれぞれ物理メディアベースのプレゼンテーションアタックとデジタル編集ベースのDeepFakeから顔データを保護するために提案されている。 これら2つのカテゴリの攻撃を同時に処理する統一顔攻撃検出モデルがないことは、主に2つの要因に起因する。 本稿では,異なる意味空間から複数の分類基準を適応的に探索する,視覚言語モデルに基づく階層型プロンプトチューニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-19T16:35:45Z)
• Ensuring Reproducibility in Generative AI Systems for General Use Cases: A Framework for Regression Testing and Open Datasets [0.0]
  汎用ユースケースの回帰テストを実行するベンチマークであるGPR-benchを紹介する。 より新しいモデルは一般的に正確性を改善するが、違いは控えめで統計的に有意ではない。 対照的に、簡潔な命令は簡潔さを著しく向上させ、迅速なエンジニアリングの有効性を実証する。
  論文  参考訳（メタデータ） (2025-05-02T12:31:43Z)
• Generative Judge for Evaluating Alignment [84.09815387884753]
  本稿では,これらの課題に対処するために,13Bパラメータを持つ生成判断器Auto-Jを提案する。 我々のモデルは,大規模な実環境シナリオ下でのユーザクエリとLLM生成応答に基づいて訓練されている。 実験的に、Auto-Jはオープンソースモデルとクローズドソースモデルの両方を含む、強力なライバルのシリーズを上回っている。
  論文  参考訳（メタデータ） (2023-10-09T07:27:15Z)
• Transformer Memory as a Differentiable Search Index [102.41278496436948]
  本稿では,文字列クエリを関連するドシデントに直接マップするテキストからテキストモデルを学ぶ新しいパラダイムであるdiffariable Search Index (DSI)を紹介する。 文書とその識別子の表現方法、訓練手順のバリエーション、モデルとコーパスサイズ間の相互作用について検討する。
  論文  参考訳（メタデータ） (2022-02-14T19:12:43Z)
• Few-Sample Named Entity Recognition for Security Vulnerability Reports by Fine-Tuning Pre-Trained Language Models [1.9744907811058785]
  セキュリティ上の脆弱性の報告(例えばCVEレポート)は、コンピュータやネットワークシステムのメンテナンスにおいて重要な役割を果たしている。 これらのレポートは構造化されていないテキストであるため、自動情報抽出(IE)は処理のスケールアップに役立つ。 セキュリティ脆弱性レポートのための自動IEに関する既存の作業は、しばしば多数のラベル付きトレーニングサンプルに依存している。
  論文  参考訳（メタデータ） (2021-08-14T17:08:03Z)
• The MultiBERTs: BERT Reproductions for Robustness Analysis [86.29162676103385]
  事前トレーニングの再実行は、パフォーマンスに関して、かなり異なる結論をもたらす可能性がある。 我々は25個のBERTベースのチェックポイントの集合であるMultiBERTを紹介する。 目標は、研究者が事前訓練の手順について、堅牢で統計的に正当化された結論を描けるようにすることである。
  論文  参考訳（メタデータ） (2021-06-30T15:56:44Z)

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。