摘要
自动化漏洞检测是软件安全的基础任务，但现有方法难以捕捉结构依赖和复杂语义。尽管大语言模型（LLM）具备代码理解能力，直接提示原始代码常导致漏报或误报。为此，本文提出 VulTriage，一种三重路径上下文增强框架。该框架通过控制路径提取 AST/CFG/DFG 信息，知识路径检索 CWE 漏洞模式，语义路径总结功能行为，将三者整合为统一指令以引导 LLM 进行更可靠的漏洞推理。实验表明其在多个指标上优于现有基线，并具备良好的泛化能力。
AI 推荐理由
论文通过三重上下文增强引导 LLM 进行更可靠的漏洞推理，核心在于提升推理质量。
研究机构
清华大学
Human University
Dalian Maritime University
The Chinese University of Hong Kong
Shenzhen University
Northwestern Polytechnical University
BNU-HKBU United International College
Sun Yat-sen University
Peng Cheng Laboratory
论文信息