Buchumschlag

Repository-Level Graph Representation Learning for Enhanced Security Patch Detection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wen, Xin-Cheng, Lin, Zirui, Gao, Cuiyun, Zhang, Hongyu, Wang, Yong, Liao, Qing
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Software Engineering Artificial Intelligence Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

ReposVul: A Repository-Level High-Quality Vulnerability Dataset
von: Wang, Xinchen, et al.
Veröffentlicht: (2024)

StriderSPD: Structure-Guided Joint Representation Learning for Binary Security Patch Detection
von: Li, Qingyuan, et al.
Veröffentlicht: (2026)

VulEval: Towards Repository-Level Evaluation of Software Vulnerability Detection
von: Wen, Xin-Cheng, et al.
Veröffentlicht: (2024)

Empirical Study of Code Large Language Models for Binary Security Patch Detection
von: Li, Qingyuan, et al.
Veröffentlicht: (2025)

Game Rewards Vulnerabilities: Software Vulnerability Detection with Zero-Sum Game and Prototype Learning
von: Wen, Xin-Cheng, et al.
Veröffentlicht: (2024)

SCALE: Constructing Structured Natural Language Comment Trees for Software Vulnerability Detection
von: Wen, Xin-Cheng, et al.
Veröffentlicht: (2024)

DetectBERT: Towards Full App-Level Representation Learning to Detect Android Malware
von: Sun, Tiezhu, et al.
Veröffentlicht: (2024)

Learning to Generate Secure Code via Token-Level Rewards
von: Quan, Jiazheng, et al.
Veröffentlicht: (2026)

PatUntrack: Automated Generating Patch Examples for Issue Reports without Tracked Insecure Code
von: Jiang, Ziyou, et al.
Veröffentlicht: (2024)

VulInstruct: Teaching LLMs Root-Cause Reasoning for Vulnerability Detection via Security Specifications
von: Zhu, Hao, et al.
Veröffentlicht: (2025)

RealSec-bench: A Benchmark for Evaluating Secure Code Generation in Real-World Repositories
von: Wang, Yanlin, et al.
Veröffentlicht: (2026)

Toward Patch Robustness Certification and Detection for Deep Learning Systems Beyond Consistent Samples
von: Zhou, Qilin, et al.
Veröffentlicht: (2025)

MASKDROID: Robust Android Malware Detection with Masked Graph Representations
von: Zheng, Jingnan, et al.
Veröffentlicht: (2024)

Graph Neural Networks for Vulnerability Detection: A Counterfactual Explanation
von: Chu, Zhaoyang, et al.
Veröffentlicht: (2024)

CrossCert: A Cross-Checking Detection Approach to Patch Robustness Certification for Deep Learning Models
von: Zhou, Qilin, et al.
Veröffentlicht: (2024)

Similar but Patched Code Considered Harmful -- The Impact of Similar but Patched Code on Recurring Vulnerability Detection and How to Remove Them
von: Tan, Zixuan, et al.
Veröffentlicht: (2024)

From LLMs to Agents: A Comparative Evaluation of LLMs and LLM-based Agents in Security Patch Detection
von: Han, Junxiao, et al.
Veröffentlicht: (2025)

Evolution of Log-Based Detection Rules in Public Repositories
von: Long, Minjun, et al.
Veröffentlicht: (2026)

Co-PatcheR: Collaborative Software Patching with Component(s)-specific Small Reasoning Models
von: Tang, Yuheng, et al.
Veröffentlicht: (2025)

GraphQLer: Enhancing GraphQL Security with Context-Aware API Testing
von: Tsai, Omar, et al.
Veröffentlicht: (2025)

An Empirical Study of Vulnerable Package Dependencies in LLM Repositories
von: Liu, Shuhan, et al.
Veröffentlicht: (2025)

Towards Secure Logging: Characterizing and Benchmarking Logging Code Security Issues with LLMs
von: Yuan, He Yang, et al.
Veröffentlicht: (2026)

Benchmark of Benchmarks: Unpacking Influence and Code Repository Quality in LLM Safety Benchmarks
von: Chu, Junjie, et al.
Veröffentlicht: (2026)

DeepGuard: Secure Code Generation via Multi-Layer Semantic Aggregation
von: Huang, Li, et al.
Veröffentlicht: (2026)

Towards Secure and Explainable Smart Contract Generation with Security-Aware Group Relative Policy Optimization
von: Yu, Lei, et al.
Veröffentlicht: (2025)

On the Security Risks of ML-based Malware Detection Systems: A Survey
von: He, Ping, et al.
Veröffentlicht: (2025)

From Detection to Prevention: Explaining Security-Critical Code to Avoid Vulnerabilities
von: Krishnamurthy, Ranjith, et al.
Veröffentlicht: (2026)

Fortifying LLM-Based Code Generation with Graph-Based Reasoning on Secure Coding Practices
von: Patir, Rupam, et al.
Veröffentlicht: (2025)

JSidentify-V2: Leveraging Dynamic Memory Fingerprinting for Mini-Game Plagiarism Detection
von: Li, Zhihao, et al.
Veröffentlicht: (2025)

Evaluating LLMs for One-Shot Patching of Real and Artificial Vulnerabilities
von: Garg, Aayush, et al.
Veröffentlicht: (2025)

Toward Automated Security Risk Detection in Large Software Using Call Graph Analysis
von: Pecka, Nicholas, et al.
Veröffentlicht: (2025)

MCPXKIT: The Unified Toolkit for Analyzing Model Context Protocol Security
von: Guo, Yongjian, et al.
Veröffentlicht: (2025)

A Slicing-Based Approach for Detecting and Patching Vulnerable Code Clones
von: Alomari, Hakam, et al.
Veröffentlicht: (2025)

Generating API Parameter Security Rules with LLM for API Misuse Detection
von: Liu, Jinghua, et al.
Veröffentlicht: (2024)

PATCHEVAL: A New Benchmark for Evaluating LLMs on Patching Real-World Vulnerabilities
von: Wei, Zichao, et al.
Veröffentlicht: (2025)

PatchFuzz: Patch Fuzzing for JavaScript Engines
von: Wang, Junjie, et al.
Veröffentlicht: (2025)

How Effective Are Neural Networks for Fixing Security Vulnerabilities
von: Wu, Yi, et al.
Veröffentlicht: (2023)

SEDAC: A CVAE-Based Data Augmentation Method for Security Bug Report Identification
von: Liao, Y., et al.
Veröffentlicht: (2024)

Enhancing Automata Learning with Statistical Machine Learning: A Network Security Case Study
von: Ayoughi, Negin, et al.
Veröffentlicht: (2024)

Improving Smart Contract Security with Contrastive Learning-based Vulnerability Detection
von: Chen, Yizhou, et al.
Veröffentlicht: (2024)