摘要
针对代理流程中分类器预测缺乏可靠性问题,本文提出统一跨语言漏洞生命周期框架。该框架包含三个大模型驱动推理阶段:混合结构语义检测、基于执行验证的代理确认及感知验证的迭代修复,并遵循“无执行确认可利用性则不修复”原则。通过通用抽象语法树归一化多语言代码,结合图神经网络与代码大模型嵌入,实现高精度跨语言漏洞检测与修复。实验表明,基于执行的闭环推理是构建可信代理 AI 的有效机制。
AI 推荐理由
论文核心提出基于执行验证的闭环推理机制,强调可验证结论而非概率推断。
研究机构
乔治华盛顿大学计算机科学系
论文信息