論文の概要: P2Patch: Exploit-Guided Vulnerability Repair

• arxiv url: http://arxiv.org/abs/2610.20245v1
• Date: Wed, 14 Oct 2026 14:19:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:16.183324
• Title: P2Patch: Exploit-Guided Vulnerability Repair
• Title（参考訳）: P2Patch:エクスプロイトガイドによる脆弱性修復
• Abstract要約: ある証拠をブロックするパッチは、あるバリエーションで同じ脆弱性に弱いまま、成功したように見える。 P2Patchは,各パッチを新たな攻撃対象として扱う生成的対向修復システムである。 101 C/C++ と Java CVE の被験者に対して,P2Patch は 41% の実行で確認されたエクスプロイトを表面化している。
• 参考スコア（独自算出の注目度）: 0.157292030677369
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models are increasingly deployed as autonomous agents for automated program repair, patching software vulnerabilities through multi-step reasoning and tool use. Yet these systems typically validate a patch against the same evidence used to construct it -- a static alert, sanitizer trace, published exploit, or test suite. A patch that blocks that one piece of evidence can therefore look successful while remaining vulnerable to the same vulnerability with some variation. We present P2Patch, a generative adversarial repair system that treats each patch as a new attack target. Starting from a normalized vulnerability finding, an exploitation agent constructs a reproducing proof of vulnerability (PoV), a patching agent repairs the program, and the exploitation agent then attacks the patched program for a distinct same-vulnerability exploit. Every successful exploit becomes a permanent repair requirement, and the final patch must block all PoVs accumulated during the patching process, with construction-time PoVs kept strictly separate from held-out evaluation oracles. Across 101 C/C++ and Java CVE subjects, this adversarial loop surfaces a distinct confirmed exploit in 41% of runs after the patch has already blocked its original construction-time PoV. Against single-pass repair from the same finding using Claude Code, P2Patch raises held-out fix-closed coverage from 78.1% to 84.7% and beyond-upstream coverage from 42.1% to 62.5%. Under the same held-out oracles, it also certifies more attack paths as blocked than recent state-of-the-art agentic repair systems on overlapping subjects. These results show that adversarial testing and independent security oracles expose repair gaps that one-shot validation misses.
• Abstract（参考訳）: 大規模言語モデルは、自動プログラム修復、ソフトウェア脆弱性のパッチ、多段階推論、ツール使用のための自律エージェントとして、ますます多くデプロイされている。 しかし、これらのシステムは一般的に、静的アラート、サニタイザトレース、公開されたエクスプロイト、テストスイートなど、構築に使用されるのと同じエビデンスに対してパッチを検証する。 そのため、ある証拠をブロックするパッチは、あるバリエーションで同じ脆弱性に弱いまま、成功したように見える。 P2Patchは,各パッチを新たな攻撃対象として扱う生成的対向修復システムである。 正規化脆弱性発見から始まり、エクスプロイトエージェントが脆弱性の再現証明(PoV)を構築し、パッチエージェントがプログラムを修復し、エクスプロイトエージェントがパッチプログラムを攻撃して、異なる同一脆弱性攻撃を行う。 成功しているすべてのエクスプロイトは恒久的な修復要件となり、最終パッチはパッチ処理中に蓄積された全てのPoVをブロックしなければなりません。 101 C/C++ と Java CVE の被験者の間で、この逆行ループは、パッチが当初の建設時間 PoV をすでにブロックした後の実行時間の 41% において、明確に確認されたエクスプロイトを表面化する。 クロードコードを使った単一パスの修復に対して、P2Patchは78.1%から84.7%に、アップストリームを42.1%から62.5%に引き上げている。 同じホールドアウトのオークルの下では、重複する対象に対する最近の最先端のエージェント修復システムよりも、より多くの攻撃経路がブロックされていることを証明している。 これらの結果から,逆行性検査と独立したセキュリティ・オラクルは,一発検証で見逃す修復のギャップを露呈することがわかった。

関連論文リスト

• EviRepair: Evidence-Driven Agents for Reliable Vulnerability Repair [55.22600943144124]
  リポジトリレベルの脆弱性修復のためのエビデンス駆動型マルチエージェントフレームワークであるEviRepairを提案する。 EviRepairは、エージェントが協力して証拠を収集できるようにすることによって、修復プロセスにエビデンスレビューを導入する。 PatchEvalとSecBenchベンチマークの実験は、EviRepairが既存のエージェントベースのベースラインを一貫して上回ることを示した。
  論文  参考訳（メタデータ） (2026-10-09T12:22:43Z)
• Maintaining Benchmarks Against Increasingly Capable Agents: Detection and Remediation of Unearned Passes [15.12761261423003]
  エージェントベンチマークは、モデルの選択とトレーニングをガイドする。しかしながら、エージェントは意図した能力を示すことなくタスクをパスすることができる。 エージェントが改善するにつれて、かつて無害と思われたベンチマークサーフェスは悪用され、ベンチマークの検証が進行中のメンテナンス問題となる。 本稿では,パストラジェクトリを監査し,証明された報酬ハッキングとバリデーションの弱点を識別するプロセス検証フレームワークを導入し,修復に有効な表面をローカライズする。
  論文  参考訳（メタデータ） (2026-09-28T04:07:52Z)
• 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)
• 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)
• Knowledge-Enhanced Agentic Vulnerability Repair [20.715227299482947]
  KeaRepairは、検証済みのプログラム事実と高いレベルの脆弱性知識のパッチ生成を基盤とする、新しいエージェント的アプローチである。 55のC/C++脆弱性に対する既存のアプローチよりも大幅に優れています。 Gemini-3.1-Proと組み合わせると、KeaRepairは46個の脆弱性の修復に成功し、83.64%の修復率を達成した。
  論文  参考訳（メタデータ） (2026-07-01T11:42:25Z)
• Understanding and Evaluating Claw-like Agent Security Through a Computer-Systems Lens [65.53494487819053]
  クローのようなAIエージェント(OpenClawなど)は、認証情報、ファイル、ツール、外部サービスへの永続的なアクセスを伴う、常にオンのプロセスである。 我々はClawのようなエージェントをエージェントコンピュータシステムとして扱い、そのゲートウェイランタイムがOSのような仲介の役割を担っている。 我々は、4つの攻撃面にわたる406の敵タスクのベンチマークであるSafeClawArenaを開発した。
  論文  参考訳（メタデータ） (2026-06-29T18:00:45Z)
• 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)
• PatchIsland: Orchestration of LLM Agents for Continuous Vulnerability Repair [12.850299142100688]
  OSS-Fuzzのような継続的ファジィングプラットフォームは、多数の脆弱性を発見した。 既存の自動脆弱性修復(AVR)技術は、連続ファジィングには直接適用されない。 PatchIslandは継続的ファジィパイプラインと密に統合された継続的脆弱性修復(Continuous Vulnerability repair, CVR)システムである。
  論文  参考訳（メタデータ） (2026-01-24T14:19:10Z)
• 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)
• Segment and Complete: Defending Object Detectors against Adversarial Patch Attacks with Robust Patch Detection [142.24869736769432]
  敵のパッチ攻撃は最先端の物体検出器に深刻な脅威をもたらす。 パッチ攻撃に対して物体検出器を防御するフレームワークであるSegment and Complete Defense (SAC)を提案する。 SACは、物理的パッチ攻撃の標的攻撃成功率を著しく低減できることを示す。
  論文  参考訳（メタデータ） (2021-12-08T19:18:48Z)

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。