本文针对Web应用程序漏洞修复过程中存在的关键挑战：漏洞定位困难、修复补丁可能引入新问题或修复不完整等。作者提出了一种结合上下文感知的故障定位（Context-Aware Fault Localization）与定向差异模糊测试（Directed Differential Fuzzing）的自动化漏洞修复方法。核心思想是：首先利用上下文信息（如函数调用关系、数据流、控制流以及相关变量定义和使用位置）来精准定位产生漏洞的缺陷代码位置，避免传统方法依赖粗粒度启发式或人工分析的低效与误报。随后，在修复建议生成阶段，采用定向差异模糊测试技术，将原始存在漏洞的程序与候选修复后的程序进行行为差异比较，以验证修复是否真正消除了漏洞，同时确保没有破坏原有功能。该方法旨在提高漏洞修复的准确性与自动化程度，减少人工介入。从标题推断，论文可能通过真实世界Web漏洞案例或基准测试集验证了所提方法的有效性，展示了故障定位的精确性和修复后程序的正确性。适合软件安全、漏洞挖掘与自动化修复方向的研究人员、安全工具开发者及Web应用维护者阅读。需要注意的是，当前仅依据论文标题生成摘要，具体实验细节、数据集和结果需查阅原文进一步确认。