PatchBench: Evaluating AI Agents for Vulnerability Patching
本文针对基于大语言模型的AI智能体在自动化漏洞修复评估中存在的效度威胁问题开展研究。作者指出，现有评估方法通常仅通过让补丁接受原始PoC（概念验证）输入不再触发崩溃来判定补丁有效，但这种验证方式存在两个主要缺陷：一是智能体可能直接复现历史开
#vulnerability-patching
共收录 3 条相关情报。
← 返回所有主题Dynamic Vulnerability Patching for Heterogeneous Embedded Systems Using Stack Frame Reconstruction.
该论文提出了一种名为 StackPatch 的动态漏洞修复框架，专门针对资源受限且要求持续运行的嵌入式设备（如医疗设备、软PLC等）。现有动态补丁技术不适用于嵌入式系统，因为这类设备计算能力和内存有限，且缺乏足够的空闲内存来支持传统补丁机制
APPATCH: Automated Adaptive Prompting Large Language Models for Real-World Software Vulnerability Patching.
本文提出了一种名为APPATCH的自动化漏洞修补系统，利用大型语言模型（LLMs）在无需测试输入、漏洞利用证据以及模型训练或微调的情况下，实现对真实世界软件漏洞的自动化修补。核心挑战在于如何有效引导LLMs推理易受攻击的代码行为，以生成高质