从漏洞到修复：LLMs在代码安全中的系统文献综述
密码学与安全
2026-03-18 v4 人工智能
计算与语言
摘要
大型语言模型(LLMs)已作为自动化编程任务的强大工具，包括与安全相关的任务。然而，它们也可能在代码生成过程中引入漏洞，无法检测现有漏洞，或报告不存在的漏洞。本系统文献综述调查了使用LLMs进行与代码相关任务的安全利益和劣势。特别是，它关注LLMs在生成代码时所引入的漏洞类型。此外，它分析了LLMs检测和修复漏洞的能力，以及提示策略对这些任务的影响。最后，它检讨了数据投毒攻击如何影响LLMs在上述任务中的性能。
引用
@article{arxiv.2412.15004,
title = {From Vulnerabilities to Remediation: A Systematic Literature Review of LLMs in Code Security},
author = {Enna Basic and Alberto Giaretta},
journal= {arXiv preprint arXiv:2412.15004},
year = {2026}
}