論文の概要: SPIDER4TianoCore: Enhancing Patch-Propagation for the TianoCore UEFI Firmware Development Ecosystem
- arxiv url: http://arxiv.org/abs/2608.23755v1
- Date: Mon, 24 Aug 2026 18:44:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-26 14:09:34.542247
- Title: SPIDER4TianoCore: Enhancing Patch-Propagation for the TianoCore UEFI Firmware Development Ecosystem
- Title（参考訳）: SPIDER4TianoCore:TianoCore UEFIファームウェア開発エコシステムにおけるパッチプロパゲーションの強化
- Abstract要約: 本稿では,PythonのコマンドラインツールであるSPIDER4TianoCoreを提案する。
このツールは、Vulnerable、Already Patched、Not Applicable、またはUncertainを、メンテナレビューの証拠として報告している。
- 参考スコア（独自算出の注目度）: 8.49310080501433
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose and demonstrate SPIDER4TianoCore, a packaged Python command-line tool that provides integration-stage patch-status evidence for the TianoCore/UEFI firmware supply chain. Given an upstream pre-patch and post-patch pair and prepared downstream targets, the tool reports Vulnerable, Already Patched, Not Applicable, or Uncertain with supporting evidence for maintainer review. Our work is inspired by SPIDER's patch-propagation framing, but SPIDER4TianoCore does not itself prove that a patch is safe to propagate. We evaluate the engine on 20 prepared target/CVE pairs from eight public downstream EDK II repositories and two CVEs. The analyzers produce 10 high-confidence pre-patch matches and four high-confidence post-patch matches, conservatively abstain on six targets, and make no confidently wrong classifications relative to the recorded manual patch-state labels. These preliminary results demonstrate reproducible evidence generation for prepared targets rather than general downstream accuracy.
- Abstract（参考訳）: 我々は,TianoCore/UEFIファームウェアサプライチェーンに対する,統合段階のパッチ・スタプス証拠を提供するPythonコマンドラインツールであるSPIDER4TianoCoreを提案し,実演する。
アップストリームのプレパッチとポストパッチのペアと準備されたダウンストリームのターゲットが与えられたこのツールは、Vulnerable、Already Patched、Not Applicable、あるいはUncertainを報告し、メンテナのレビューをサポートする。
私たちの研究は、SPIDERのパッチプロパゲーションフレーミングにインスパイアされていますが、SPIDER4TianoCore自体がパッチがプロパゲーションの安全であることを証明していません。
8つのパブリックダウンストリームEDK IIレポジトリと2つのCVEから,20種類のターゲット/CVEペアのエンジンの評価を行った。
分析器は、高信頼のプレパッチマッチ10と高信頼のポストパッチマッチ4を作成し、6つの目標に対して保守的に棄権し、記録された手動のパッチステートラベルに対する確実な分類をしない。
これらの予備的な結果は、一般的な下流の精度ではなく、準備された目標に対して再現可能な証拠を生成することを示す。
関連論文リスト
- From Silicon to Boot Code: Extending Automated Program Repair to Firmware-Layer Security Workarounds [0.8450904497835263]
現在の技術は、チップが生産される前にRTLまたはHLS設計のバグをローカライズし、修正する。
本稿では,このファームウェア層へのRTL修復のために開発された辞書誘導・オーバーフロー合成バリデート手法の適用可能性について検討する。
4つとも100%のリコールを達成しており、精度はCファミリーの2.1-15.5%から、アセンブリとHOBファミリーの100%まで変化している。
論文 参考訳（メタデータ） (2026-09-01T18:39:30Z) - Enhancing Bug Report Templates in the TianoCore UEFI Firmware Development Community [5.134750220344153]
我々は,TianoCoreオープンソースコミュニティが使用しているGitHub Issuesイシュートラッキングシステムにおいて,バグレポートテンプレートの強化を提案する。
バグリポジトリのデータを分析し、バグのトリアージや修正に役立つ情報のパターンを見つけます。
論文 参考訳（メタデータ） (2026-08-24T18:44:01Z) - 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) - RuBench: A Repository-Level Agentic Coding Benchmark with Natively Authored Russian Task Specifications [0.0]
RuBench 1.0は、5つのライブオープンソースリポジトリの最近の修正コミットから抽出された25のタスクのベンチマークである。
各タスクはロシア語で指定され、スクラッチから実際の顧客要求のスタイルで書かれ、翻訳されない。
25の修正コミットはすべて、評価されたモデル毎のトレーニングデータのカットオフを延期する。
論文 参考訳（メタデータ） (2026-07-07T15:41:22Z) - Patch2Vuln: Agentic Reconstruction of Vulnerabilities from Linux Distribution Binary Patches [3.93181912653522]
本稿では,ローカルバイナリ由来の証拠に制限された言語モデルエージェントが,Linuxディストリビューション更新のセキュリティ意味を再構築できるかどうかを問う。
Patch2Vulnは、古い/新しいELFペアを抽出し、GhidraとGhidriffと拡散し、機能の変更をランク付けし、候補ドシエを構築し、オフラインエージェントに予備監査を生成する、ローカルで再利用可能なパイプラインである。
Patch2Vuln on 25 Ubuntu.deb package pairs: 20のセキュリティアップデートペアと5つの負のコントロール。
論文 参考訳（メタデータ） (2026-05-07T17:22:22Z) - Are Benchmark Tests Strong Enough? Mutation-Guided Diagnosis and Augmentation of Regression Suites [49.16055123488827]
十分に強力なテストスイートは、報告された成功率を膨らませながら、妥当だが意味的に正しくないパッチを認めることができる。
STINGは、意味的に変化するプログラムの変種を診断ストレス要因として利用する、ターゲットテスト拡張のためのフレームワークである。
STINGは211インスタンスにまたがる1014の検証テストを生成し、パッチリージョンラインとブランチカバレッジを10.8%、9.5%向上させた。
論文 参考訳（メタデータ） (2026-04-02T01:13:40Z) - Outrunning LLM Cutoffs: A Live Kernel Crash Resolution Benchmark for All [57.23434868678603]
Live-kBenchは、新たに発見されたカーネルバグのエージェントをスクラップし、評価するセルフ進化ベンチマークの評価フレームワークである。
kEnvは、カーネルのコンパイル、実行、フィードバックのためのエージェントに依存しないクラッシュ解決環境である。
kEnvを用いて3つの最先端エージェントをベンチマークし、最初の試行で74%のクラッシュを解決したことを示す。
論文 参考訳（メタデータ） (2026-02-02T19:06:15Z) - 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) - BountyBench: Dollar Impact of AI Agent Attackers and Defenders on Real-World Cybersecurity Systems [62.17474934536671]
我々は、現実世界のシステムを進化させる際に、攻撃的かつ防御的なサイバー能力を捕獲する最初の枠組みを紹介する。
脆弱性ライフサイクルを捉えるために、3つのタスクタイプを定義します。検出(新たな脆弱性の検出)、エクスプロイト(特定の脆弱性の探索)、パッチ(特定の脆弱性のパッチ)。
Claude Code,OpenAI Codex CLI with o3-high and o4-mini,カスタムエージェント with o3-high, GPT-4.1, Gemini 2.5 Pro Preview, Claude 3.7 Sonnet Thinking, DeepSeek-R1。
論文 参考訳（メタデータ） (2025-05-21T07:44:52Z) - Automated Proof Generation for Rust Code via Self-Evolution [69.25795662658356]
私たちは、Rustコードの自動証明生成を可能にする、人書きスニペットの欠如を克服するフレームワークであるSAFEを紹介します。
SAFEは、細調整されたモデルの自己老化能力を訓練するために、多数の合成不正確な証明を再利用する。
我々は、人間の専門家によるベンチマークで52.52%の精度で達成し、GPT-4oのパフォーマンス14.39%を大きく上回った。
論文 参考訳（メタデータ） (2024-10-21T08:15:45Z) - PatchFinder: A Two-Phase Approach to Security Patch Tracing for Disclosed Vulnerabilities in Open-Source Software [15.867607171943698]
本稿では,エンドツーエンドの相関学習を併用した2段階のフレームワークを提案する。
PatchFinderは80.63%のRecall@10、平均相反ランク(MRR)は0.7951である。
PatchFinderを実際に適用する場合、最初は533件のパッチコミットを特定し、公式に送ったのですが、そのうち482件はCVE Numbering Authoritiesによって確認されました。
論文 参考訳（メタデータ） (2024-07-24T07:46:24Z)
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。