Self-Evolving Static Analysis via LLM Pseudo-Labeling↗ (원문, 새 창)

연구팀은 규칙이 없는 상태에서 시작해 가독성 있는 joern 쿼리를 반복적으로 진화시키는 LLM 기반 정적 분석 프레임워크 SESAA를 제안했다. 에이전트는 정답 레이블 없이 플래그된 코드와 플래그되지 않은 코드를 검토하는 두 번째 LLM 비평가로부터만 피드백을 받아 오탐과 누락 가능성을 식별하고 쿼리를 수정한다. OWASP 벤치마크(Python)에서 SESAA는 8회 독립 실행 평균 F1 0.742를 기록해 널리 쓰이는 5개 도구의 기본 설정을 크게 앞섰고, 정답 레이블로 튜닝된 최강 도구와도 비슷한 성능을 보였다. 실제 Python 프로젝트 파일럿에서는 취약점 발생 이전 코드로부터 도출된 쿼리가 이후 발생한 19개 CVE 중 10개를 탐지했으며, 이 중 9개는 동일 저장소용으로 작성된 규칙이 탐지한 것과 일치했다.

• 굜칙 없이 시작해 LLM 버충자 피룜백으로 정적 분석 쿼리를 반복 진화시키는 SESAA 제안
• OWASP Python 보지마크에서 평기 F1 0.742로 거나 5강 기미 도구의 거뜨 설정을 앉늘
• 정단 단정 답 맑이비롌다명로 튜드된 최강 도구와도 마 콙 툜해한 성능 기립
• 실제 프로젝트 실험에서 발생 전 코드리 도출된 쿼리샼 19건 CVE 중 10건 탐지