筛选或放弃PoC：将信息检索应用于SiftRank的漏洞研究
密码学与安全
2025-12-09 v1 信息检索
摘要
安全研究本质上是一个资源约束和随之而来的优先级排序问题。攻击面太大，而分析和研究它的时间和精力太少。最有效的安全研究人员往往是那些最擅长从众多可能性中直观地决定调查攻击面哪一部分的人。我们证明，从众多可能性中选择最有希望选项的问题可以重新表述为一个信息检索问题，并使用文档排序技术结合LLM作为通用排序器来解决。我们提出了SiftRank，一个通过三个关键机制实现O(n)复杂度的排序算法：使用LLM对小批量（约10个条目）文档进行列表式排序；基于拐点的收敛检测，在得分分布稳定时自适应终止排序；以及迭代优化，逐步将排序精力集中在最相关的文档上。与需要单独的第一阶段检索步骤将数据集缩小到约100个候选者的现有重排序方法不同，SiftRank直接在数千个条目上运行，每个文档在多个随机批次中进行评估，以缓解LLM的不一致判断。我们在N-day漏洞分析中展示了实际有效性，成功地在99秒内从剥离的二进制固件补丁中的2197个变更函数中识别出一个漏洞修复函数，推理成本为0.82美元。我们的方法实现了可扩展的安全优先级排序，适用于通常受人工分析限制的问题，仅需标准的LLM API访问，无需专门的基础设施、嵌入或领域特定微调。SiftRank的开源实现可在https://github.com/noperator/siftrank找到。
引用
@article{arxiv.2512.06155,
title = {Sift or Get Off the PoC: Applying Information Retrieval to Vulnerability Research with SiftRank},
author = {Caleb Gross},
journal= {arXiv preprint arXiv:2512.06155},
year = {2025}
}