論文の概要: CodeMechanic: Bug-Property-Guided Program Mitigation

• arxiv url: http://arxiv.org/abs/2608.22275v1
• Date: Sun, 23 Aug 2026 08:06:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:43.693063
• Title: CodeMechanic: Bug-Property-Guided Program Mitigation
• Title（参考訳）: CodeMechanic: バグ修正によるプログラムの緩和
• Abstract要約: 本稿では,メモリ破損に対する制約付きmit-イゲーションを生成するためのバグプロパタイズ誘導システムであるCodeMechanicを提案する。 LLMに永久的な修復を依頼する代わりに、CodeMechanicはクラッシュから侵害されたメモリセーフティプロパティを再構築する。 CodeMechanicは、3.4x - 4.3x以上のパッチを、開発者が書き直した修復と意味的に同等に生成する。
• 参考スコア（独自算出の注目度）: 23.976869967674435
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automated testing discovers vulnerabilities faster than developers can investigate and repair them, leaving an interval in which known memory corruptions remain exploitable. End- to-end LLM repair agents can shorten this interval, but they synthesize open-ended code changes and commonly validate them only by replaying a proof of concept (PoC). This weak oracle accepts patches that silence the observed crash by changing unrelated behavior, making unintended deployment risky. We present CodeMechanic, a bug-property-guided system for generating constrained mit- igations for spatial memory corruption. Instead of asking an LLM to generate a permanent repair, CodeMechanic reconstructs the violated memory-safety property from the crash, validates the dereferenced pointer and its buffer range, and inserts a local fail-stop guard before the dangerous access. The guard terminates execution when the boundary check fails. The resulting mitigation deliberately trades availability for security: it can convert potential remote code execution into controlled termination while developers investigate the root cause and prepare a permanent repair. CodeMechanic combines a two-dimensional static and dynamic context extractor with in-prompt debugging knowledge and stepwise val- idation to limit the effect of LLM errors. On 101 real-world ARVO bugs, the first attempt of CodeMechanic produces 47.6% more plausible patches (i.e., patches that pass PoC- replay validation) than the best baseline while using 91% fewer tokens. Manual audit further shows that CodeMechanic produces 3.4x - 4.3x more patches semantically equivalent to developer-written repairs.
• Abstract（参考訳）: 自動テストは、開発者が調べて修復できるよりも早く脆弱性を発見し、既知のメモリ破損が悪用可能な間隔を残します。 エンドツーエンドのLLM修復エージェントは、この間隔を短縮することができるが、オープンエンドのコード変更を合成し、概念実証(PoC)を再生するだけで、一般的に検証できる。 この弱いオラクルは、無関係な振る舞いを変えて観察されたクラッシュを黙らせるパッチを受け入れ、意図しないデプロイメントを危険にさらす。 本稿では,空間記憶劣化に対する制約付きmit-イゲーションを生成するためのバグプロパタイズ誘導システムであるCodeMechanicを提案する。 LLMに永久的な修復を依頼する代わりに、CodeMechanicはクラッシュから不正なメモリセーフティプロパティを再構築し、参照できないポインタとそのバッファ範囲を検証し、危険なアクセスの前にローカルのフェールストップガードを挿入する。 ガードは境界チェックが失敗したときに実行を終了する。 開発者が根本原因を調査し、永続的な修復を準備している間に、潜在的なリモートコード実行を制御された終了に変換することができる。 CodeMechanicは、2次元の静的および動的コンテキスト抽出器と、即時デバッグの知識と段階的なval-idationを組み合わせることで、LCMエラーの影響を制限する。 101の現実世界のARVOバグに対して、CodeMechanicの最初の試みは、91%のトークンを使用しながら、最高のベースラインよりも47.6%多くの可塑性パッチ(PoC-リプレイバリデーションをパスするパッチ)を生成する。 手作業による監査は、CodeMechanicが3.4x - 4.3x以上のパッチを、開発者が書き直した修正と意味的に同等に生成していることを示している。

関連論文リスト

• PatchBench: Evaluating AI Agents for Vulnerability Patching [9.083611812336539]
  我々は,現実的な脆弱性パッチタスクにおいてAIエージェントを評価するための新しいベンチマークを提案する。 PatchBenchは、クラッシュスタックの外に根本修正がある脆弱性を選択し、脆弱性移植とコード修正を使用して、過去の脆弱性を新しいリポジトリコンテキストに移行する。 AIxCCエージェントのトップ3を含む11の最先端エージェントを含む、オリジナルのPoCのみの検証は、エージェントのパッチ処理の解決率を平均1.83$times$で検証する。
  論文  参考訳（メタデータ） (2026-09-03T16:44:22Z)
• LMSM: LLM Security Framework Inspired by Linux Security Modules [56.93644694627783]
  大規模言語モデル(LLM)は階層化されたディフェンスでデプロイされることが多いが、悪意のあるプロンプトはそれらをバイパスすることができる。 我々は,Language Model Security Modules (LMSM) という,Linux Security Modules (LSM) の背後にある分離を LLM サービスに適応させるセキュリティフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-26T12:13:05Z)
• ContraFix: Agentic Vulnerability Repair via Differential Runtime Evidence and Skill Reuse [10.503895811137095]
  大規模言語モデル(LLM)エージェントは、自動脆弱性修復にますます利用されている。 最近の実証的な結果は、これらのエージェントがいまだに現実世界の脆弱性と戦っていることを示している。 ContraFixは、再利用可能な修復スキルとランタイムエビデンスを結合するエージェントフレームワークである。
  論文  参考訳（メタデータ） (2026-05-17T13:48:25Z)
• 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)
• Clover: A Neural-Symbolic Agentic Harness with Stochastic Tree-of-Thoughts for Verified RTL Repair [5.67664197679672]
  Cloverは、コード操作に関する構造化された検索としてRTL修復をオーケストレーションし、バグに対する検証済みのソリューションを探索する。 Cloverは96.8%のバグを固定時間内に修正し、従来のLLMベースのベースラインよりも94%と63%多いバグをカバーしている。
  論文  参考訳（メタデータ） (2026-04-19T07:04:49Z)
• Compiling Activation Steering into Weights via Null-Space Constraints for Stealthy Backdoors [48.881343993730844]
  安全性に整合した大規模言語モデル(LLM)は、現実世界のパイプラインにますますデプロイされている。 敵は通常の評価では動作しないバックドアのチェックポイントを配布することができる。 最近のポストホック重み付け法は、そのようなバックドアを注入するための効率的なアプローチを提供する。
  論文  参考訳（メタデータ） (2026-04-14T06:48:33Z)
• Specification Vibing for Automated Program Repair [8.68148153927532]
  VibeRepairは仕様中心のAPR技術で、修正をアドホックなコード編集ではなく、行動特化修復として扱う。 Defects4J v1.2では、VibeRepairが174のバグを正しく修復し、最先端のベースラインを28のバグで越えている。 Defects4J v2.0では、178のバグを修復し、33のバグによる以前のアプローチよりも優れ、23%の改善を示している。
  論文  参考訳（メタデータ） (2026-02-09T04:44:58Z)
• Outcome-Conditioned Reasoning Distillation for Resolving Software Issues [49.16055123488827]
  本稿では, 検証済みパッチを監督として, リポジトリ内問題を解決したO-CRD(Outcome-Conditioned Reasoning Distillation)フレームワークを提案する。 歴史的修正から始まり、検証結果から段階的な修理トレースを後方に再構築する。 SWE-Bench Liteでは、GPT-4oではPass@1が10.4%、DeepSeek-V3では8.6%、GPT-5では10.3%増加する。
  論文  参考訳（メタデータ） (2026-01-30T18:25:39Z)
• 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)
• How Do Semantically Equivalent Code Transformations Impact Membership Inference on LLMs for Code? [56.42119949944239]
  意味論的に等価なコード変換規則がMI検出の回避に有効かどうかを検討する。 各ルールで最悪の場合、モデルの精度はわずか1.5%低下する。 コードのための大規模言語モデルをトレーニングするためのライセンスコンプライアンスの実施において,我々の結果は重大な欠陥を露呈する。
  論文  参考訳（メタデータ） (2025-12-17T14:12:54Z)
• The Trojan Knowledge: Bypassing Commercial LLM Guardrails via Harmless Prompt Weaving and Adaptive Tree Search [58.8834056209347]
  大規模言語モデル(LLM)は、有害な出力を誘導するために安全ガードレールをバイパスするジェイルブレイク攻撃に弱いままである。 CKA-Agent(Correlated Knowledge Attack Agent)は、ターゲットモデルの知識基盤の適応的木構造探索としてジェイルブレイクを再構成する動的フレームワークである。
  論文  参考訳（メタデータ） (2025-12-01T07:05:23Z)
• Repairing vulnerabilities without invisible hands. A differentiated replication study on LLMs [5.10123605644148]
  自動脆弱性修復(AVR: Automated Vulnerability repair)は、プログラム修復の急激な分岐である。 近年の研究では、大きな言語モデル(LLM)が従来の手法より優れていることが示されている。
  論文  参考訳（メタデータ） (2025-07-28T16:39:16Z)
• ReF Decompile: Relabeling and Function Call Enhanced Decompile [50.86228893636785]
  逆コンパイルの目標は、コンパイルされた低レベルコード(アセンブリコードなど)を高レベルプログラミング言語に変換することである。 このタスクは、脆弱性識別、マルウェア分析、レガシーソフトウェアマイグレーションなど、さまざまなリバースエンジニアリングアプリケーションをサポートする。
  論文  参考訳（メタデータ） (2025-02-17T12:38:57Z)

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。