SESAA：用LLM伪标签自我进化静态分析规则

LLM智能体可自动发现并修复静态分析规则，无需真实标签。

资讯摘要

论文提出SESAA框架，让LLM智能体从零规则出发，迭代生成可读、可审计的Joern查询。智能体仅从第二个LLM评审器获得反馈，由其检查被标记与未被标记的代码以识别误报和疑似漏报，全程不使用真实标签。在OWASP Python基准上，8次独立运行平均F1为0.742，高于五款常用工具默认配置，并与其中最强工具在获得真实标签调优后相当。

要点速读

1. SESAA让LLM智能体从无规则开始，迭代演化出可读可审计的Joern查询，反馈仅来自第二个LLM评审器，不使用真实标签。
2. 在OWASP Python基准上，8次独立运行平均F1为0.742，高于五款常用工具的默认配置，并与其中最强工具在真实标签调优后相当。
3. 在真实Python项目试点中，用漏洞引入前代码诱导的查询检出19个后续CVE中的10个，其中9个由针对同一仓库编写的规则检出。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。