跳转至

历史即检测器：端到端执行CVE补丁历史

文章背景与核心概要

公开漏洞数据库记录了大量的软件缺陷、弱点类型以及对应的补丁，但这些记录通常是为了方便人工检查而维护的，而非用于自动化重用。因此，相同的不安全条件常常在没有已知预警的代码库中持续存在。

为了弥合这一差距，作者推出了 BUGSTONE-E2E，这是一个端到端的框架，能够将历史漏洞数据转换为可执行的检测规则和自动化修复方案。该系统通过一个漏斗形的流水线运作：首先通过规则挖掘提取可复用的检测规则；接着利用轻量级分析快速过滤良性代码位点；最后通过高级检查与修复阶段，利用基于大语言模型的智能体生成并验证补丁。

在对 2022年至2026年间 19,325 个高危 CVE 进行评估时，BUGSTONE-E2E 在 56 个 CWE 家族中生成了 1,033 条检测规则。在对 14 个软件程序进行测试时，它为 644 个有效发现生成了运行时证据，证明了将历史补丁转化为可复现的自动化检测与修复工作流的可行性。

摘要 (Summary)

Public vulnerability databases document numerous software flaws, weakness types, and patches, but these records are typically maintained for human inspection rather than automated reuse. As a result, identical unsafe conditions often persist across codebases without known advisories.

公共漏洞数据库记录了大量的软件缺陷、弱点类型和补丁，但这些记录通常是为了人工检查而维护的，而不是为了自动化重用。因此，相同的不安全条件往往在缺乏已知安全公告的代码库中持续存在。

To bridge this gap, the authors introduce BUGSTONE-E2E, an end-to-end framework that converts historical vulnerability data into executable detection rules and automated repairs. The system works through a funnel-shaped pipeline: 1. Rule Mining: Extracts reusable detection rules (anchors, fix semantics, and CVE provenance) from verified fixing commits, categorized by CWE and programming language. 2. Lightweight Analysis: Uses Tree-sitter to locate code matching rule anchors and applies quick heuristics to filter out benign sites without costly LLM calls. 3. Advanced Inspection & Repair: Leverages LLM-based agents to review candidates, build runtime verifications, and generate scope-checked patches validated using two-sided differential testing.

为了弥合这一差距，作者推出了 BUGSTONE-E2E，这是一个端到端的框架，可将历史漏洞数据转化为可执行的检测规则和自动化修复方案。该系统通过漏斗形流水线运行： 1. 规则挖掘（Rule Mining）： 从已验证的修复提交中提取可重用的检测规则（锚点、修复语义和 CVE 来源），按 CWE 和编程语言进行分类。 2. 轻量级分析（Lightweight Analysis）： 使用 Tree-sitter 定位与规则锚点匹配的代码，并应用快速启发式方法过滤良性位点，而无需进行高成本的 LLM 调用。 3. 高级检查与修复（Advanced Inspection & Repair）： 利用基于 LLM 的智能体审查候选对象、构建运行时验证，并生成经过双向差分测试验证的范围检查补丁。

Evaluated on 19,325 high-severity CVEs (2022–2026), BUGSTONE-E2E generated 1,033 detection rules across 56 CWE families. When tested on 14 software programs, it produced runtime evidence for 644 valid findings, demonstrating the viability of turning historical patches into a reproducible automated detection and repair workflow.

在对 19,325 个高严重性 CVE（2022–2026年）进行的评估中，BUGSTONE-E2E 在 56 个 CWE 家族中生成了 1,033 条检测规则。在对 14 个软件程序进行测试时，它为 644 个有效发现生成了运行时证据，证明了将历史补丁转化为可复现的自动化检测和修复工作流的可行性。

论文元数据 (Paper Metadata)

Attribute Details
arXiv Identifier arXiv:2609.05335 [cs.CR]
Subjects Cryptography and Security (cs.CR); Artificial Intelligence (cs.AI); Software Engineering (cs.SE)
Submission Date September 4, 2026
DOI 10.48550/arXiv.2609.05335
属性 详情
arXiv 标识符 arXiv:2609.05335 [cs.CR]
学科分类 密码学与安全 (cs.CR)；人工智能 (cs.AI)；软件工程 (cs.SE)
提交日期 2026年9月4日
DOI 10.48550/arXiv.2609.05335

作者 (Authors)

  • Qiushi Wu
  • Kevin Eykholt
  • Youngja Park
  • Xiaokui Shu
  • Dhilung Kirat
  • Douglas Lee Schales
  • Ian Molloy
  • Qiushi Wu
  • Kevin Eykholt
  • Youngja Park
  • Xiaokui Shu
  • Dhilung Kirat
  • Douglas Lee Schales
  • Ian Molloy