論文の概要: Securing Agent-Generated Code with Its Own Development History
- arxiv url: http://arxiv.org/abs/2610.34098v1
- Date: Sun, 25 Oct 2026 06:51:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:13.534771
- Title: Securing Agent-Generated Code with Its Own Development History
- Title（参考訳）: 独自の開発履歴を持つエージェント生成コードのセキュア化
- Abstract要約: コーディングエージェントによって書かれたプルリクエストは、ガードや検証ステップを省略しながらプロジェクトのテストスイートをパスすることができる。
我々は、この開発履歴をセキュリティレビューの証拠として利用するワークフローであるTRACERを提示する。
TraCERはシンボルレベルでの変更を追跡し、エージェントの記録された合理性を現在のコードに対して検証されるべき主張として扱い、評価と機能検証の後にのみ修理を受け取り、承認された各修復に後続の変更が満たさなければならない実行可能なチェックを添付する。
- 参考スコア（独自算出の注目度）: 11.341943039439647
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Pull requests written by coding agents can pass a project's test suite while omitting a guard or a validation step. To find the missing condition, a reviewer currently relies on static analysis of the final code. An agent-generated change, however, is accompanied by a development history that a human commit does not provide. The agent's trajectory records each edit together with the agent's stated assumptions, and structural differencing shows how each changed function evolved. We present TRACER, a workflow that uses this development history as evidence for security review. TRACER tracks changes at the symbol level, treats the agent's recorded rationale as claims to be verified against the current code, accepts a repair only after assessment and functional validation, and attaches to each accepted repair an executable check that later changes must satisfy. On the SusVibes benchmark, symbol-level tracking places the vulnerable symbol in the review scope for 94.6% of agent patches, compared with 13.4% for the primary scanner warning. With two investigator models, the configuration that includes the agent's rationale yields the largest number of verified security repairs while preserving functionality, and adding AST history to it does not increase that number. A funnel analysis identifies where the remaining candidates are lost. In a study of structural-biology software, the combination of repair memory and a boundary check allows a subsequent feature request to succeed in nine of ten tasks without reintroducing the repaired vulnerability, whereas functional feedback alone succeeds in four and reintroduces the vulnerability in three.
- Abstract（参考訳）: コーディングエージェントによって書かれたプルリクエストは、ガードや検証ステップを省略しながらプロジェクトのテストスイートをパスすることができる。
不足している条件を見つけるために、レビュアは現在、最終コードの静的解析に依存している。
しかし、エージェント生成の変更には、人間のコミットが提供しない開発履歴が伴っている。
エージェントの軌道は、各編集とエージェントの仮定を同時に記録し、構造的差異は、各変更された関数がどのように進化したかを示す。
我々は、この開発履歴をセキュリティレビューの証拠として利用するワークフローであるTRACERを提示する。
TRACERはシンボルレベルでの変更を追跡し、エージェントの記録された合理性を現在のコードに対して検証されるべき主張として扱い、評価と機能検証の後にのみ修理を受け、承認された各修復に後続の変更が満たさなければならない実行可能なチェックを添付する。
SusVibesベンチマークで、シンボルレベルの追跡は、脆弱性のあるシンボルを94.6%のエージェントパッチのレビュー範囲に配置する。
2つの調査モデルでは、エージェントの合理性を含む構成は、機能を維持しながら検証済みのセキュリティ修復の最大数となり、AST履歴を追加すると、その数は増加しない。
ファンネル分析は、残りの候補が失われる場所を特定する。
構造生物学ソフトウェアの研究において、修復メモリと境界チェックの組み合わせにより、その後の機能要求は、修復された脆弱性を再導入することなく、9つのタスクのうち9つを成功させることができる。
関連論文リスト
- SemWeaver: Refining LLM-Generated Static Vulnerability Checkers with Analyzer-Internal Evidence [6.565592384912544]
SemWeaverは、パッチ関連アナライザのエビデンスを抽出し、ソースコンテキストとバリデーションフィードバックでそれを組み立てるプラグイン・リファインメント・レイヤである。
我々はLinuxカーネルの修正から39KNighter由来のCSAチェッカー上でSemWeaverを評価する。
論文 参考訳（メタデータ） (2026-10-26T06:55:23Z) - 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) - Before They Can Solve: Predicting Post-Training Coding-Agent Performance from Base Models [87.94969284553706]
エンド・ツー・エンドのpass@$K$は、成功した振る舞いがベースモデルのディストリビューションにすでに現れるかどうかをテストする。
コールドスタートからハーネスを駆動するために、ベースチェックポイントを必要としない3つのスクリーンを構築します。
3つの画面はいずれも、ポストトレーニング後のSWE-bench Verified pass@$1$と密接に一致して、コホートをランク付けする。
論文 参考訳（メタデータ） (2026-10-07T17:37:19Z) - CheckerBench: Can Long-Horizon Agents Synthesize Static-Analysis Checkers? [13.18359471722067]
静的解析チェッカー合成では、エージェントが欠陥仕様を解釈し、リポジトリを検査し、アナライザ固有のロジックを実装し、繰り返しコンパイルと解析のフィードバックを通じてチェッカーを洗練する必要がある。
既存のコーディングエージェントベンチマークでは、パッチ生成や脆弱性検出などのタスクに重点を置いており、エージェントがリポジトリ内で開始から終了までの作業チェッカーを開発できるかどうかを評価することは滅多にない。
CheckerBenchは167リポジトリに297のCVE、85のCWE、5つの言語エコシステムから派生した300のタスクの実行可能なベンチマークである。
論文 参考訳（メタデータ） (2026-10-06T00:42:45Z) - Where Did the Repair First Go Wrong? Localizing the Origins of Silent Failures in Agentic Vulnerability Repair [4.495819148271923]
SAGE(Security Awareness Gap Evaluation)は、トレースベースの障害帰属手法である。
我々は,SecurityEvalとCVEfixesの6つのエージェントフレームワークと6つのベースモデルによって生成される3,684個の修復トレースから得られた95個のサイレント障害を評価した。
論文 参考訳（メタデータ） (2026-10-05T11:31:16Z) - StateWise: Diagnosing and Repairing Persistent Operational State Before Agent Actions [40.67530816009153]
動作実行前に永続的な動作状態の診断と修復を行うためのフレームワークであるStateWiseを提案する。
腐敗した永続状態の下では、StateWiseは93.3%の全体的な正当性を達成するが、ベースラインエージェントは38.7%で安全でない。
論文 参考訳（メタデータ） (2026-10-04T14:12:18Z) - SpecPath: Testing Coding Agents Across Contract-Equivalent Specification Histories [13.437222222971272]
仕様パスの感度は、最終的な意味において等価な要求履歴が同一のエージェントシステムに振る舞いの異なるプログラムを作成させる障害モードである。
本稿では,契約に至るリビジョンパスのみを変更しつつ,リポジトリ,最終契約,検証,エージェントシステム,実行予算を保持する診断評価であるSpecPathを紹介する。
論文 参考訳（メタデータ） (2026-08-10T16:19:00Z) - 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) - TTHE: Test-Time Harness Evolution [50.26245555541721]
既存のアプローチでは、デプロイ前、トレーニング前、あるいはテスト時に凍結される固定されたエージェントワークフローの開発データを最適化する。
我々は、エージェントがテスト入力で生成するラベルのない実行トレースのみを使用して、評価自体にハーネスを最適化できるかどうかを問う。
評価中、TTHEは候補ハーネスの人口を維持し、それらの実行トレースの理由をエージェントプロジェクタを通じてそれらを洗練する。
その後、審査員は実行元プロキシ信号から改善されたハーネスをコミットし、選択したプログラムは継続してその後の入力を統治する。
論文 参考訳（メタデータ） (2026-07-09T05:53:39Z) - SlopCodeBench: Benchmarking How Coding Agents Degrade Over Long-Horizon Iterative Tasks [55.76734816061826]
我々は20の問題と93のチェックポイントからなる言語に依存しないベンチマークであるSlopCodeBenchを紹介する。
我々は、冗長性、重複コードの割合、構造的侵食という2つの軌道レベルの品質信号を追跡する。
11モデルにまたがるエンドツーエンドの問題を解決するエージェントは存在しない。
論文 参考訳（メタデータ） (2026-03-25T19:26:44Z) - VulAgent: Hypothesis-Validation based Multi-Agent Vulnerability Detection [55.957275374847484]
VulAgentは仮説検証に基づくマルチエージェント脆弱性検出フレームワークである。
セマンティクスに敏感なマルチビュー検出パイプラインを実装しており、それぞれが特定の分析の観点から一致している。
平均して、VulAgentは全体的な精度を6.6%改善し、脆弱性のある固定されたコードペアの正確な識別率を最大450%向上させ、偽陽性率を約36%削減する。
論文 参考訳（メタデータ） (2025-09-15T02:25:38Z)
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。