論文の概要: Self-Evolving Static Analysis via LLM Pseudo-Labeling
- arxiv url: http://arxiv.org/abs/2610.30184v1
- Date: Tue, 20 Oct 2026 10:17:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-24 02:08:44.079434
- Title: Self-Evolving Static Analysis via LLM Pseudo-Labeling
- Title（参考訳）: LLM擬似ラベルによる自己進化静的解析
- Abstract要約: 提案するSESAAは,エージェントがルールなしで開始し,可読かつ監査可能なクエリの集合を反復的に進化させるフレームワークである。
Benchmark for Pythonでは、SESAAは8つの独立した実行で平均0.742F1に達する。
現実世界のPythonプロジェクトでは、脆弱性が導入される前に利用可能なコードからクエリが誘導され、19のCVEのうち10が検出された。
- 参考スコア（独自算出の注目度）: 7.714115021285973
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Security bugs often slip past static analysis not because they are impossible to detect, but because detection rules have not yet been written for the code in front of us. New frameworks, APIs, and coding idioms continually create such gaps, leaving developers to discover failures and manually encode new rules. We present SESAA, a framework in which an Large Language Model (LLM) agent starts from no rules and iteratively evolves a set of readable and auditable joern queries. The agent receives feedback only from a second LLM critic, which inspects flagged and unflagged code to identify likely false alarms and suspected misses, without access to ground-truth labels. The agent then uses this feedback to revise its queries. On the OWASP Benchmark for Python, SESAA reaches a mean F1 of 0.742 across 8 independent runs, well above the default configurations of five widely used tools and comparable to the strongest of them once it is tuned with access to ground-truth labels that SESAA never sees. In a pilot on real-world Python projects, queries induced from code available before a vulnerability was introduced detect 10 of 19 subsequent CVEs, including 9 detected by rules written for the same repository. The resulting detector is a set of executable, human-readable queries that engineers can inspect, modify, and run independently. These results suggest that LLM agents can turn static-analysis rule maintenance from a manually authored process into an iterative process of automated discovery and repair.
- Abstract（参考訳）: セキュリティ上のバグは、検出が不可能なためではなく、私たちの前のコードに対してまだ検出ルールが書かれていないため、静的解析をパスすることが多い。
新しいフレームワーク、API、コーディングイディオムは、このようなギャップを継続的に作り、開発者は失敗を発見し、手動で新しいルールをエンコードする。
本稿では,Large Language Model (LLM) エージェントがルールなしで開始し,可読かつ監査可能なクエリの集合を反復的に進化させるフレームワークSESAAを提案する。
エージェントは第2のLSM批評家からのフィードバックのみを受け取り、フラグ付きおよび未フラグ付きコードを検査して、地味なラベルにアクセスすることなく、誤報や疑わしいミスを識別する。
エージェントはこのフィードバックを使ってクエリを更新する。
OWASP Benchmark for Pythonでは、SESAAは8つの独立した実行で平均0.742のF1に達し、5つの広く使用されているツールのデフォルト設定よりはるかに上であり、SESAAが決して見ることのない地味なラベルへのアクセスで調整されたときの最も強力なツールに匹敵する。
現実世界のPythonプロジェクトのパイロットでは、脆弱性が導入される前に利用可能なコードから生成されたクエリが、19のCVEのうち10つを検出した。
結果として生成された検出器は、エンジニアが独立して検査、修正、実行できる実行可能な、人間可読なクエリのセットである。
これらの結果は,LSMエージェントが静的解析規則の保守を手作業で作成したプロセスから自動発見と修復の反復的なプロセスに変換することを示唆している。
関連論文リスト
- PyINE: A Framework for Scalable Elicitation and Oversight via Code Execution [68.74093425009342]
推論モデルは、コストが安いが誤解を招くショートカットにデフォルトを保ちながら、タスクを解決できる。
PyINEはPythonのインスツルメンテーションプログラムを使ってスケーラブルなエレケーションと監視を行うフレームワークである。
PyINE-v1は100万近い決定論的実行トレースから構築された最初のリリースです。
論文 参考訳（メタデータ） (2026-10-03T20:03:43Z) - ABSENTIA: Detecting Broken Access Control Vulnerabilities in Web Applications [10.020987659151972]
不正アクセス制御は、認可の失敗であり、最も一般的なWebセキュリティリスクの1つである。
ABSENTIAは、一般的なLLMエージェントをWebアプリケーションのバックエンド用の系統的脆弱性検知器に変えるセキュリティ足場である。
BAC-Benchは25のリポジトリ、3つの言語、9つのフレームワークにまたがる30のアクセス制御アドバイザリのベンチマークです。
論文 参考訳（メタデータ） (2026-10-01T03:11:45Z) - The History Is the Detector: Executing CVE Patch History, End-to-End [7.5252436225607875]
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。
論文 参考訳（メタデータ） (2026-09-04T16:40:22Z) - ROPE: Routed Origin Policy Enforcement against Indirect Prompt Injection [61.4148196085256]
本稿では,信頼という構造概念に根ざしたROPE(Routed Origin Policy Enforcement)について述べる。
提案手法では,(1)軌道の各段階において,攻撃可能コンテンツのみを起点とする値が,原点保護パラメータに到達しない,(2)注入のリワードがない,という2つの保証が認められている。
論文 参考訳（メタデータ） (2026-08-27T01:22:14Z) - Fantastic Adaptive Taxonomies and How to Use Them [100.20614173157708]
AdaMASTは、実行トレースをコンパクトでエビデンスに基づく障害分類に変換する。
コードには手書きのコードはなく、人間による注釈もない。
エージェント・システム・サーチでは、失敗候補の分類コード診断が自由形式より優れている。
論文 参考訳（メタデータ） (2026-07-17T17:41:16Z) - AutoSpec: Safety Rule Evolution for LLM Agents via Inductive Logic Programming [21.12573593471532]
既存の安全アプローチは基本的なトレードオフに直面している。
本稿では,ユーザセーフ/アンセーフアノテーションから専門家が指導する安全ルールを自動生成するフレームワークであるAutoSpecを紹介する。
コード実行とエンボディエージェントドメインにまたがる291の実行トレース上でAutoSpecを評価する。
論文 参考訳（メタデータ） (2026-06-23T07:31:03Z) - 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) - QRS: A Rule-Synthesizing Neuro-Symbolic Triad for Autonomous Vulnerability Discovery [3.52359746858894]
我々はQRS(Query, Review, Sanitize)という,このパラダイムを逆転するニューロシンボリックなフレームワークを紹介します。
静的ルールから結果をフィルタリングする代わりに、QRSは構造化スキーマ定義といくつかの例からCodeQLクエリを生成する3つの自律エージェントを使用して、セマンティック推論と自動エクスプロイト合成を通じて検証する。
人気のPyPIライブラリの20の歴史的CVEでは、QRS 90.6%の精度が検出された。
論文 参考訳（メタデータ） (2026-02-10T13:35:24Z) - SOPBench: Evaluating Language Agents at Following Standard Operating Procedures and Constraints [59.645885492637845]
SOPBenchは、各サービス固有のSOPコードプログラムを実行可能な関数の有向グラフに変換する評価パイプラインである。
提案手法では,各サービス固有のSOPコードプログラムを実行可能関数の有向グラフに変換し,自然言語SOP記述に基づいてこれらの関数を呼び出しなければならない。
我々は18の先行モデルを評価し、上位モデルでさえタスクが困難であることを示す。
論文 参考訳（メタデータ） (2025-03-11T17:53:02Z) - Get my drift? Catching LLM Task Drift with Activation Deltas [55.75645403965326]
タスクドリフトは攻撃者がデータを流出させたり、LLMの出力に影響を与えたりすることを可能にする。
そこで, 簡易線形分類器は, 分布外テストセット上で, ほぼ完全なLOC AUCでドリフトを検出することができることを示す。
このアプローチは、プロンプトインジェクション、ジェイルブレイク、悪意のある指示など、目に見えないタスクドメインに対して驚くほどうまく一般化する。
論文 参考訳（メタデータ） (2024-06-02T16:53:21Z)
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。