PoC-Adapt：基于LLM多智能体与强化学习驱动自适应策略的语义感知自动化漏洞复现
密码学与安全
2026-04-10 v2
摘要
尽管近期方法利用大语言模型（LLM）和多智能体流水线从漏洞报告自动生成概念验证（PoC）漏洞利用，但现有系统常存在两个根本性局限：基于表面执行信号的不可靠验证，以及漏洞生成过程中大量试错导致的高操作成本。本文提出PoC-Adapt，一个端到端的自动化PoC生成与验证框架，其架构基于语义运行时验证与自适应策略学习。PoC-Adapt的核心是一个语义Oracle，通过比较结构化的执行前后系统状态来验证漏洞利用，从而可靠地区分真正的漏洞利用与偶然的行为变化。为降低探索成本，我们进一步引入自适应策略学习机制，该机制在语义状态与动作上学习漏洞利用策略，引导漏洞利用智能体以更少的失败尝试找到有效策略。PoC-Adapt实现为一个多智能体系统，包含用于根因分析、环境构建、漏洞利用生成和语义验证的专门智能体，通过结构化反馈循环进行协调。在CWE-Bench-Java和PrimeVul基准上的实验表明，PoC-Adapt将验证可靠性显著提升了25%，并降低了漏洞生成成本，凸显了语义验证与学习到的动作策略在自动化漏洞复现中的重要性。应用于最新CVE语料库，PoC-Adapt在80次复现尝试中确认了12个已验证的PoC，每次生成漏洞利用的成本为0.42美元。
引用
@article{arxiv.2604.06618,
title = {PoC-Adapt: Semantic-Aware Automated Vulnerability Reproduction with LLM Multi-Agents and Reinforcement Learning-Driven Adaptive Policy},
author = {Phan The Duy and Khoa Ngo-Khanh and Nguyen Huu Quyen and Van-Hau Pham},
journal= {arXiv preprint arXiv:2604.06618},
year = {2026}
}
备注
16 pages, abstracted and meta updated