arXiv cs.AI· Anh Minh Nguyen, Tuan Dat Tran, Alzubair Hassan, Liliana Pasquale·· 10 小时前AI 评分31
SecPatRec：结合 LLM 智能体与代码属性图的自动化安全模式恢复方法
A Hybrid Approach for Automated Security Pattern Recovery
AI 导读
SecPatRec 是一种从源码仓库自动恢复安全模式的混合方法，将安全模式视为参考架构，用 ReAct 风格 LLM 智能体做角色检测与绑定，配合静态代码属性图分析恢复交互序列。
正文 · AI 翻译
摘要：Security-by-design 强调将安全性融入软件设计与开发。安全模式目录通过为反复出现的安全问题规定可复用的架构解决方案，使这一原则得以落地。然而，从源代码中恢复其实现仍然具有挑战性，因为安全模式是抽象的、跨越多个组件，并且允许许多有效的实现方式。我们提出 SecPatRec，一种从源代码仓库中自动恢复安全模式的混合方法。我们将安全模式视为参考架构，并将其恢复框定为一个演绎任务：确定哪些规定的角色存在，将它们落地到代码实体上，并恢复它们的交互序列。SecPatRec 将一个配备语义和词法代码搜索的 ReAct 风格 LLM 智能体（用于角色检测与落地）与静态代码属性图分析（用于交互恢复）相结合。我们整理了一个经人工验证的真值数据集，包含 100 个模式实例，覆盖 93 个开源 Java 和 Python 仓库中的五种安全模式，并引入了一个三级评估框架，以该真值为基准衡量恢复的正确性。我们使用四个 LLM（包括专有和开源模型）评估 SecPatRec。在所有模型和模式实例上取平均，SecPatRec 达到 0.84 的角色检测准确率、0.84 的角色落地相似度和 0.66 的交互恢复得分。与一次性端到端 LLM 基线相比，SecPatRec 实现了更高的总体恢复得分和更低的每次运行估计 LLM API 成本，同时能处理超出基线配置输入限制的仓库。恢复出的角色映射和静态推导的交互序列提供了结构和行为证据，可支持对安全模式实现的检查。
| 评论： | 35 页，41 张图，11 张表 |
| 主题： | 密码学与安全（cs.CR）；人工智能（cs.AI）；软件工程（cs.SE） |
| 引用为： | arXiv:2611.05823 [cs.CR] |
| （或本版本的 arXiv:2611.05823v1 [cs.CR]） | |
| https://doi.org/10.48550/arXiv.2611.05823 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Minh Nguyen [查看电子邮件]
[v1]
2026 年 11 月 4 日星期三 02:01:23 UTC（2,525 KB）
来源：arXiv cs.AI · arxiv.org