Metrics Failure in LLM-Based Code Vulnerability Repair: An Empirical Study and a Change-Aware Screen
该论文针对 LLM 自动修复 C/C++ 安全漏洞这一研究方向，质疑了当前广泛使用的评测指标——"编译率"（compile rate，即生成的补丁能否通过编译）作为单函数漏洞修复进展代理指标的可靠性。作者使用 203 个来自 Big-Vul
#vulnerability-repair
共收录 5 条相关情报。
← 返回所有主题Web Application Vulnerability Repair Via Context-Aware Fault Localization and Directed Differential Fuzzing.
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（Direc
AgenticRepair: Multi-Faceted Program Context Engineering for Agentic Vulnerability Repair
本文提出了一种名为 AgenticRepair 的智能体漏洞修复框架，旨在自动化地从漏洞报告出发生成补丁，减少安全工程师的人工修复时间。作者指出，与通用程序修复相比，漏洞修复需要更丰富的程序上下文，而现有智能体方法未能充分利用这些上下文。具
SoK: Towards Effective Automated Vulnerability Repair.
本文是一篇系统化知识综述（SoK），旨在全面梳理自动化漏洞修复（Automated Vulnerability Repair, AVR）领域的研究进展。作者通过系统性文献回顾，收集并分析了近年来发表的AVR相关论文，将现有方法划分为基于规则
Root-Cause-Driven Automated Vulnerability Repair
本文提出了一种基于根因驱动的自动化漏洞修复系统Kumushi。当前基于LLM的修复系统面临两个主要挑战：一是缺乏对bug来源的强信号，导致修复仅针对表面症状（如使测试通过）而未解决根本问题；二是根因定位本身困难，即使是熟悉代码库的开发者也常