该论文针对正则表达式拒绝服务（ReDoS）漏洞的修复效率与质量不足问题，提出一种名为 VULCANBOOST 的自动化修复增强方法。研究背景是：ReDoS 由正则表达式的灾难性回溯导致，现有自动化修复工具在生成补丁时往往依赖语法改写或简单启发式，修复后的正则可能仍然存在性能隐患，或修复过程耗时过长，难以适配大规模代码库。VULCANBOOST 的核心思路是将正则表达式转换为符号表示，并引入特征归一化机制：符号表示用于捕获正则结构的本质特征，从而避免对具体语法形式的过度敏感；特征归一化则用于统一不同但等价的表达式变体，使修复模型能够更稳定地学习漏洞模式与安全模式之间的区分。在修复流程上，该方法结合了静态分析与约束求解，能够生成保证不再触发灾难性回溯的替换表达式。论文报告了在多个真实世界正则表达式数据集上的实验，涉及 Python、JavaScript 等语言的常用库，结果显示 VULCANBOOST 在修复成功率、修复后性能（匹配耗时）、以及对原有语言语义的保持方面均优于若干基线工具，且修复所需时间显著下降。该论文的读者对象主要为从事漏洞自动修复、程序分析、静态检测工具研发的安全工程师，以及关注正则表达式安全性的后端和平台开发者。由于当前仅提供论文摘要，未涉及具体工具实现细节或完整的实验数据，因此所有结论的可验证性有限。