面向LLM漏洞检测器的语法与编译保持规避
密码学与安全
2026-05-07 v2 人工智能
机器学习
摘要
LLM-based漏洞检测器正日益被部署在CI/CD安全闸门中，但其针对语法和编译保持编辑的鲁棒性仍不为人所了解。我们评估了五种攻击变体，涵盖四种行为保持代码转换的载体族，并在统一的C/C++基准测试（）上引入Complete Resistance（CR），衡量正确检测的漏洞在所有攻击变体中存活的比例。我们的发现揭示了显著的鲁棒性差距：实现70%+干净召回的模型，其CR最低可达0.12%，意味着超过87%的检测漏洞可被至少一种语法保持编辑所规避。针对14B模型的通用对抗字符串在黑箱API（包括GPT-4o）上有效移植，而针对目标优化进一步放大规避效果（最高达92.5% ASR）。这些结果表明，仅凭干净基准准确率本身不足以作为已部署漏洞检测器的安全保证。
引用
@article{arxiv.2602.00305,
title = {Syntax- and Compilation-Preserving Evasion of LLM Vulnerability Detectors},
author = {Luze Sun and Alina Oprea and Eric Wong},
journal= {arXiv preprint arXiv:2602.00305},
year = {2026}
}