该论文提出了一种基于主动学习和再生的供应链漏洞消除技术。软件供应链攻击通常针对广泛使用的组件，攻击者通过文件系统或网络访问等操作进行攻击，而不影响客户端观察到的组件行为。针对这一问题，作者提出了主动库学习和再生（ALR）技术，通过多轮探索生成输入并观察输出，推断组件行为模型，并以领域特定语言（DSL）中的程序形式再生该行为。作者实现了名为Harp的系统，专门用于字符串处理组件。Harp成功推断并再生了用JavaScript和C/C++编写的字符串处理库。实验结果显示，在大多数情况下，Harp在一分钟内完成再生，与原始库完全兼容，且性能与原始库相当。更重要的是，Harp能够消除与多个知名安全事件相关的漏洞，包括event-stream、left-pad和string-compare。该研究为防御软件供应链攻击提供了自动化方法，通过隔离组件的核心行为并重建安全版本，有效减少攻击面。