論文の概要: Diagnosing Generalization Boundaries in AI-Based Vulnerability Detection via Calibrated Embedding Distances

• arxiv url: http://arxiv.org/abs/2610.14296v1
• Date: Fri, 09 Oct 2026 20:17:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 22:14:40.319795
• Title: Diagnosing Generalization Boundaries in AI-Based Vulnerability Detection via Calibrated Embedding Distances
• Title（参考訳）: 校正埋め込み距離を用いたAIによる脆弱性検出における一般化境界の診断
• Abstract要約: 埋め込み幾何学は、構文的に類似した脆弱性とパッチされたコードペアに隠れた境界を公開する。 平均分布外AUROCは0.739。
• 参考スコア（独自算出の注目度）: 0.6271464033436677
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: High benchmark scores in learning-based vulnerability detection mask severe degradation under distribution shifts. This paper demonstrates that calibrated embedding geometry exposes these hidden generalization boundaries on syntactically similar vulnerable and patched code pairs. An evaluation of CodeBERT and Qwen2.5-Coder across pattern, project, and temporal shifts on a strictly paired dataset reveals three main findings. First, whitened intermediate-layer embeddings with local nearest-neighbour scoring separate unfamiliar samples with a mean out-of-distribution AUROC of 0.739 (RQ1). Second, distance scores reveal a shift-specific reliability gradient where accuracy drops by over 35 percentage points and cross-project shifts cause the sharpest degradation, even though temporal shifts drift geometrically farthest (RQ2). Third, false positives on patched code systematically correlate with geometric proximity to vulnerable training neighbourhoods, increasing from 9.4% in the lowest-risk decile to 58.8% in the highest (RQ3). These calibrated distances establish a diagnostic signal that maps representation geometry directly to model degradation without requiring auxiliary models.
• Abstract（参考訳）: 学習に基づく脆弱性検出マスクの高ベンチマークスコアは、分散シフトの下で大幅に低下する。 本稿では,これらの隠れ一般化境界が,構文的に類似した脆弱性とパッチ付きコードペア上に現れることを示す。 CodeBERTとQwen2.5-Coderの評価では、厳密なペア付きデータセット上のパターン、プロジェクト、時間的シフトが3つの主な結果を示している。 第1に, 局所近傍の試料を分離し, 平均分布外AUROCを0.739(RQ1)とした白色中間層埋め込みを行った。 第2に、時間的シフトが幾何学的に最も遠い(RQ2)にもかかわらず、35ポイント以上精度が低下し、プロジェクト間のシフトが最も急激な劣化を引き起こす、シフト固有の信頼性勾配が示される。 第3に、パッチ付きコードの偽陽性は、脆弱な訓練地区の幾何学的近接と体系的に相関し、最低値の9.4%から最高値の58.8%に増加した(RQ3)。 これらのキャリブレーションされた距離は、補助モデルを必要としないモデル分解に直接表現幾何学をマッピングする診断信号を確立する。

関連論文リスト

• Beyond Marginal Monitoring: Distributed Joint-Distribution Testing for Data Concept Drift in Large Scale E-Commerce Operations [0.26385121748044166]
  3つの相補的な環境における5つのマルチカラム2サンプルテストを評価した。 我々は、Apache Spark上でRandom Fourier Featuresを使用した分散最大平均離散性を示す。
  論文  参考訳（メタデータ） (2026-10-06T10:47:26Z)
• Not All Relations Are Equal: Relation-Balanced and Calibrated Graph Learning for Provenance-Based Intrusion Detection [69.06648810271712]
  本稿では,関係バランスの取れたグラフ学習を用いた教師なしフレームワークRECALについて述べる。 3つのDARPA E3データセットにおいて、RECALはF1スコアの99.99%、99.93%、99.99%を達成し、各データセットでそれぞれ0.88、0.82、0.42で最高のベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-09-15T00:31:01Z)
• DG-FedReuse: Proxy-Gradient-Gated Cached-Update Reuse with Matched Sparse Uplink Accounting [0.0]
  DG-FedReuseは、選択したクライアントがキャッシュされた更新にコントリビュートできるようにするシミュレータレベルのメカニズムである。 実験には、6つのイメージ分類データセット、50の仮想クライアント、Dirichletラベルクライアント、3つのシードが含まれている。 DG-FedReuseは83.36-85.42%のモデルで更新データフィールドのアップリンクを節約したが、Top-K FedAvgは76.88%だった。
  論文  参考訳（メタデータ） (2026-08-05T19:30:04Z)
• Point Cloud Diffusion with Global and Local Reconstruction for Instance-Level 3D Anomaly Detection [53.26344422459608]
  インスタンスレベルの3次元異常発生と検出のための点群拡散フレームワークである textbfPCDiff を提案する。 生成フェーズでは、インスタンスレベルのマルチモーダルアテンションが生成フレームワークに埋め込まれ、そこでは異常にテクスチャ勾配、画像パッチ、テキスト、マスクが条件付けられている。 検出段階では,局所的異常回復と大域的幾何整合性を確保するために,共同局所言語再構成アルゴリズムが導入された。
  論文  参考訳（メタデータ） (2026-06-24T12:11:05Z)
• Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction [51.56484100374058]
  テキスト検出器は、事前訓練された典型軸を増幅する。 タスク監督前の生エンコーダでは、3つのアーキテクチャでNYT-vs-HC3 AUROC 0.806/0.944/0.834を達成する。 RoBERTaベースでは、生のプロジェクションは微調整を超えるが、RoBERTaベースでは、フル微調整は、試験された流線型人口の双方で生よりも識別を小さくする。
  論文  参考訳（メタデータ） (2026-05-20T19:08:38Z)
• Deepfake Detection in Social Media: A Temporal Artifact Analysis Using 3D Convolutional Neural Networks [2.1735205111264007]
  フレームレベルのディープフェイク検出器は、発電機の品質が向上するにつれて急激に劣化する。 高品質の128x128 GAN出力は、空間のみの精度を5ポイント削減する。 R3D-18に基づく3次元畳み込みニューラルネットワーク検出器を用いて,このギャップを解消する。
  論文  参考訳（メタデータ） (2026-05-17T18:01:32Z)
• Deep EM with Hierarchical Latent Label Modelling for Multi-Site Prostate Lesion Segmentation [12.493998903996589]
  本稿では,隠れマスク上でのボクセル方向の後方分布の推測と,この後方をソフトターゲットとするCNNの訓練を交互に行う階層的予測最大化(HierEM)フレームワークを提案する。 3つのコホートの実験は、提案された階層的EMフレームワークがクロスサイト一般化を促進することを示した。
  論文  参考訳（メタデータ） (2026-03-15T15:03:20Z)
• Urban 3D Change Detection Using LiDAR Sensor for HD Map Maintenance and Smart Mobility [26.712098856567888]
  都市規模LiDARのための物体中心型不確実性認識パイプラインを提案する。 これはエポックを多分解能NDTと整列し、次に点対平面ICP、高さを正規化し、位置検出レベルを導出する。 15代表のスービアコでは95.2%の精度、90.4%のmF1、82.6%のmIoUがトリプルトKPConvを超える精度、0.2のmF1、0.8のmIoUがブロックされ、IoUが74.8%に達し、7.6ポイント改善された。
  論文  参考訳（メタデータ） (2025-10-24T02:59:55Z)
• CLUE: Non-parametric Verification from Experience via Hidden-State Clustering [64.50919789875233]
  隠れアクティベーションの軌跡内の幾何的に分離可能なシグネチャとして解の正しさが符号化されていることを示す。 ClUE は LLM-as-a-judge ベースラインを一貫して上回り、候補者の再選において近代的な信頼に基づく手法に適合または超えている。
  論文  参考訳（メタデータ） (2025-10-02T02:14:33Z)

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。