論文の概要: The History Is the Detector: Executing CVE Patch History, End-to-End
- arxiv url: http://arxiv.org/abs/2609.05335v1
- Date: Fri, 04 Sep 2026 16:40:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-07 18:15:24.11907
- Title: The History Is the Detector: Executing CVE Patch History, End-to-End
- Title（参考訳）: 検知器の歴史:CVEのパッチ履歴、エンド・ツー・エンド
- Abstract要約: 本稿では,脆弱性履歴を実行可能な検出ルールに変換するフレームワークBUGSTONE-E2Eを提案する。
BUGSTONE-E2Eは、2022年から2026年にかけて19,325個の高重度CVEを使用して、2,710個の修正コミットを特定し、1,033個の検出ルールを構築している。
14のプログラムに適用すると、644の発見のランタイムエビデンスを生み出した。
- 参考スコア（独自算出の注目度）: 7.5252436225607875
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Public vulnerability databases collect rich information about known software flaws, including their weakness types, affected components, and related patches. Fixing commits provide the exact code changes that removed these flaws. While these records capture why the original code was unsafe, they are documented mainly for human inspection rather than automated reuse. Consequently, the same unsafe conditions may still exist elsewhere in code without a known advisory, leaving much of this detection knowledge unused. We present BUGSTONE-E2E, a framework that transforms vulnerability history into executable detection rules and validates their findings. First, BUGSTONE-E2E mines reusable rules from verified fixing commits, capturing scan anchors, fix semantics, and CVE provenance and organizing them by CWE and language. Second, detection follows a funnel-shaped pipeline: early stages process a large pool of candidates using lightweight analysis, while later stages apply increasingly capable and expensive models to a shrinking set of targets. Specifically, BUGSTONE-E2E first enumerates call sites matching rule anchors using Tree-sitter, then removes benign sites using lightweight heuristics without LLM calls. Next, LLM-based agents inspect the remaining candidates guided by the rule. Following this inspection, the system re-triages surviving candidates and builds runtime verifications, then generates scope-checked patches validated via two-sided differential tests. Using 19,325 high-severity CVEs from 2022 to 2026, BUGSTONE-E2E identifies 2,710 fixing commits and constructs 1,033 detection rules across 56 CWE families, packaged into 172 skills. When applied across 14 programs, it produced runtime evidence for 644 findings. These results demonstrate that CVE history can be turned into an executable workflow, transforming past vulnerabilities into reproducible detection and repair.
- Abstract（参考訳）: 公開脆弱性データベースは、その脆弱性タイプ、影響を受けるコンポーネント、関連するパッチなど、既知のソフトウェア欠陥に関する豊富な情報を収集する。
コミットの修正は、これらの欠陥を取り除く正確なコード変更を提供する。
これらの記録は、元のコードが安全でない理由を捉えているが、それらは自動化された再利用ではなく、主に人間の検査のために文書化されている。
その結果、同じ安全でない条件は、既知のアドバイザリなしでコード内の他の場所に存在し、この検出知識の多くは使われていない。
本稿では,脆弱性履歴を実行可能な検出ルールに変換するフレームワークであるBUGSTONE-E2Eについて述べる。
まず、BUGSTONE-E2Eは再利用可能なルールを、修正コミットの確認、スキャンアンカーのキャプチャ、セマンティクスの修正、CVEの証明、CWEと言語による編成からマイニングする。
第2に、検出はファンネル型のパイプラインに従う: 初期段階は、軽量な分析を使用して大量の候補を処理し、後期段階は、縮小するターゲットに対して、ますます有能で高価なモデルを適用する。
具体的には、BUGSTONE-E2Eはまず、Tree-sitterを使ってルールアンカーにマッチするコールサイトを列挙し、LLMコールなしで軽量なヒューリスティックを使って良質なサイトを削除する。
次に、LSMベースのエージェントがルールによって導かれる残りの候補を検査する。
この検査の後、システムは生き残った候補を再検索し、実行時検証を構築し、二面差分テストによって検証されたスコープチェックされたパッチを生成する。
BUGSTONE-E2Eは、2022年から2026年にかけて19,325個の高重度CVEを使用して、2,710個の修正コミットを特定し、56のCWEファミリーに1,033の検出ルールを構築し、172のスキルにパッケージ化している。
14のプログラムに適用すると、644の発見のランタイムエビデンスを生み出した。
これらの結果は、CVE履歴を実行可能なワークフローに変換し、過去の脆弱性を再現可能な検出と修復に変換することを示している。
関連論文リスト
- TyPatch: Transforming Patches into Typestate Rules for Kernel Bug Detection [9.241492644741198]
我々はTyPatchを紹介し、パッチ固有の欠陥セマンティクスをアナライザの実装から分離する。
Linux v6.16では、TyPatchは559の異なるバグを発見し、そのうち121はカーネル開発者によって確認されている。
論文 参考訳（メタデータ） (2026-09-12T05:34:12Z) - Watermarks Without Verification: AI Text Watermarking After the EU AI Act [49.51124343181601]
EU AI法第50条では、生成可能なAIプロバイダに対して、システムが生成したコンテンツをマークし、AI生成として検出することを要求している。
Anthropicは、その日後にリリースされたすべてのClaudeモデルが、すべての生成されたテキストにSynthID-Textに基づく透かしを埋め込んでいることを公表した。
我々は、現在、異議や保証は確認できないし、この不信は、それ自体を透かしではなく、実質的なガバナンスの失敗であると論じている。
論文 参考訳（メタデータ） (2026-09-09T01:56:17Z) - From Attack Simulation to SIEM Rule: Deterministic Detection-as-Code Synthesis with Probe-Level Traceability [51.56484100374058]
セキュリティチームは、自身のシステムに対する攻撃をシミュレートして、監視が真の侵入者を捕まえるかどうかをチェックする。
人間はそのギャップを手でブリッジし、それぞれの発見を読み、対応するシグマルールを書きます。
ロックされたコーパスからプローブが引き出されると,この変換が部分的に自動化されることを示す。
論文 参考訳（メタデータ） (2026-06-03T14:26:25Z) - Longitudinal Analyses of SAST Tools: A CodeQL Case Study [3.5770847622955064]
本研究では,静的アプリケーションセキュリティテスト(SAST)ツールを縦断測定により評価するための新しい手法を提案する。
当社の装置は1622リポジトリの3993 CVEで、CodeQLの114バージョンに時間をかけて適用し、ツールの重要な特性を測定します。
CodeQLは合計171のCVEを識別しており、83のCVEでは修正前のCodeQLバージョンが検出可能であることが分かりました。
論文 参考訳（メタデータ） (2026-05-08T15:41:25Z) - 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) - Detecting and Correcting Hallucinations in LLM-Generated Code via Deterministic AST Analysis [11.687400527666476]
本稿では,決定論的静的解析フレームワークがテキストと自動修正KCHを確実に検出できるかどうかを検討する。
生成されたコードを抽象構文木(AST)に解析し,動的に生成された知識ベース(KB)に対して検証する後処理フレームワークを提案する。
この非実行アプローチでは、決定論的ルールを使用して、APIと識別子レベルの競合を見つけて修正する。
論文 参考訳（メタデータ） (2026-01-27T02:16:37Z) - 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) - 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) - VERCATION: Precise Vulnerable Open-source Software Version Identification based on Static Analysis and LLM [12.706661324384319]
オープンソースソフトウェア(OSS)は、そのコラボレーティブな開発モデルとコスト効果の性質から、人気が高まっている。
開発プロジェクトにおける特定のソフトウェアバージョンの採用は、これらのバージョンが脆弱性をもたらす場合にセキュリティリスクをもたらす可能性がある。
本稿では,C/C++で記述されたOSSの脆弱性を識別するVERCATIONを提案する。
論文 参考訳（メタデータ） (2024-08-14T06:43:06Z) - 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) - Zero-Shot Detection of Machine-Generated Codes [83.0342513054389]
本研究は,LLMの生成したコードを検出するためのトレーニング不要な手法を提案する。
既存のトレーニングベースまたはゼロショットテキスト検出装置は、コード検出に効果がないことがわかった。
本手法は,リビジョン攻撃に対する堅牢性を示し,Javaコードによく適応する。
論文 参考訳（メタデータ） (2023-10-08T10:08:21Z) - On the Security Blind Spots of Software Composition Analysis [46.1389163921338]
Mavenリポジトリで脆弱性のあるクローンを検出するための新しいアプローチを提案する。
Maven Centralから53万以上の潜在的な脆弱性のあるクローンを検索します。
検出された727個の脆弱なクローンを検出し、それぞれに検証可能な脆弱性証明プロジェクトを合成する。
論文 参考訳（メタデータ） (2023-06-08T20:14:46Z)
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。