研究：LLM审计器更易采信虚假安全保证

一项由 ZhiHong Liu、Shuyao Gao 发表的研究发现，LLM 漏洞审计器对静态分析证据的采信不对称：真实证据只带来 +0.02 的准确率提升，而虚假的“安全”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，且更多被模型质疑。 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，共完成 16,572 次审计。 在独立调用中逐条核验并展示被驳斥的声明，可在虚假保证条件下将准确率提升 12 个百分点（p=0.002）。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。