关于LLM在漏洞检测中的研究
原文英文，约1600词，阅读约需6分钟。
📝
内容提要
本文总结了18篇关于LLM在漏洞检测方面的研究，包括LLM驱动的漏洞检测、LLM辅助模糊测试和LLM辅助程序分析。研究对象涉及Linux内核、智能合约、深度学习库、编译器、固件和协议等。LLM在漏洞检测方面的研究主要集中在智能合约漏洞检测、模糊测试和程序分析三个方面。
❓
Q&A
LLM在漏洞检测中有哪些主要应用？
LLM在漏洞检测中的主要应用包括LLM驱动的漏洞检测、LLM辅助模糊测试和LLM辅助程序分析。
GPTScan是如何进行智能合约漏洞检测的？
GPTScan结合静态分析和GPT，通过将常见逻辑漏洞类型分解为场景和属性，匹配候选函数并验证检测结果。
Fuzz4All的创新之处是什么？
Fuzz4All是首个针对多种输入语言的模糊测试工具，利用LLM进行输入生成和变异，覆盖率高于现有语言特定模糊测试器。
LLM4Vuln的评估框架有什么特别之处？
LLM4Vuln提出的评估框架分离了LLM的漏洞推理与其他能力，增强了对漏洞推理的评估。
LATTE与传统静态分析方法相比有什么优势？
LATTE是首个由LLM驱动的静态二进制污点分析，具有全自动化、低工程成本和在漏洞检测任务中表现优于现有方法的优势。
LLM在模糊测试中的应用效果如何？
LLM在模糊测试中通过生成输入程序和变异，显著提高了覆盖率和发现未知漏洞的能力。
🏷️
