arXiv cs.SE· ZhiHong Liu, Shuyao Gao·· 2 小时前AI 评分40
研究发现 LLM 漏洞审计器对静态分析证据存在非对称采信
Trusting the Tool: Asymmetric Deference of LLM Vulnerability Auditors to Static-Analysis Evidence
AI 导读
研究构建 C/C++ 过程内分析器，在 PrimeVul 的 916 对函数上以六种证据条件测试 11 个模型配置、共 16,572 次审计。真实证据仅带来 +0.02 的准确率提升，而虚假保证使真实漏洞检出率最多下降 19 个百分点，虚假告警则未显著降低准确率且更多被质疑。在独立调用中逐条核验并展示被驳斥的声明，可在虚假保证下将准确率提升 12 个百分点（p=0.002）。
来源：arXiv cs.SE · arxiv.org