AIarXiv cs.CR (암호학·보안)AI 점수 85%
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
How Much Does the Harness Matter, and for Whom? A Multi-Model Study of Context in LLM-Driven Vulnerability Discovery (원문, 새 창)
AI 인사이트
대상 독자:개발자
- 24개 모델-러너 조합으로 실제 프로덕션 코드베이스의 비공개 취약점 발견에서 하네스 영향을 실증 분석
- 확인된 265개 보안 원인 중 최대 2개 조합 실행으로 60.4% 발견, 14.3%는 단 하나의 모델만 찾아냄
- CodeQL 기반 호출 그래프를 포함한 정교한 프롬프트로 전환 시 중소형 모델 성능이 20~86% 향상(프론티어 모델은 2%)
- 프론티어 모델은 오탐률은 낮지만 항상 최고 수율은 아니며, 저비용 모델이 훨씬 적은 비용으로 유사 성능 달성 가능
왜 중요한가
취약점 탐지 결과가 모델 자체보다 하네스·프롬프트 설계에 크게 좌우될 수 있음을 실제 코드베이스로 입증해, 보안팀이 모델 선택보다 하네스 엔지니어링에 투자할 가치를 구체적 수치로 제시한다.
언급 프로젝트
본문 미리보기
arXiv:2610.28802v1 Announce Type: new Abstract: How much does an agent harness affect vulnerability discovery, and does its value depend on the model? We study 24 model-runner configurations using an open-source harness on a production codebase whose vulnerabilities were non-public at scan time. The pipeline combines static screening, LLM investigation, model self-revalidation, root-cause mapping, independent source review, and isolated proof-of-concept confirmation. Across 265 confirmed secu
전체 내용이 궁금하다면?
arXiv cs.CR (암호학·보안)에서 원문을 직접 읽어보세요
공유
- #AI에이전트
- #하니스
- #취약점탐지
- #멀티모델연구
이 글이 만들어진 과정
- 11:34AI 초안