Buchumschlag

OriginPruner: Leveraging Method Origins for Guided Call Graph Pruning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mir, Amir M., Keshani, Mehdi, Proksch, Sebastian
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Cryptography and Security Software Engineering
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

On the Effectiveness of Machine Learning-based Call Graph Pruning: An Empirical Study
von: Mir, Amir M., et al.
Veröffentlicht: (2024)

Building Call Graph of WebAssembly Programs via Abstract Semantics
von: Paccamiccio, Mattia, et al.
Veröffentlicht: (2024)

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

PhaseSeed: Precise Call Graph Construction for Split-Phase Applications using Dynamic Seeding
von: Palit, Tapti, et al.
Veröffentlicht: (2025)

XOXO: Stealthy Cross-Origin Context Poisoning Attacks against AI Coding Assistants
von: Štorek, Adam, et al.
Veröffentlicht: (2025)

Call graph discovery in binary programs from unknown instruction set architectures
von: Pettersen, Håvard, et al.
Veröffentlicht: (2024)

What's in a Package? Getting Visibility Into Dependencies Using Security-Sensitive API Calls
von: Rahman, Imranur, et al.
Veröffentlicht: (2024)

Clawdrain: Exploiting Tool-Calling Chains for Stealthy Token Exhaustion in OpenClaw Agents
von: Dong, Ben, et al.
Veröffentlicht: (2026)

Smart Cuts: Enhance Active Learning for Vulnerability Detection by Pruning Hard-to-Learn Data
von: Lan, Xiang, et al.
Veröffentlicht: (2025)

Who Tests the Testers? Systematic Enumeration and Coverage Audit of LLM Agent Tool Call Safety
von: Chen, Xuan, et al.
Veröffentlicht: (2026)

FuzzSlice: Pruning False Positives in Static Analysis Warnings Through Function-Level Fuzzing
von: Murali, Aniruddhan, et al.
Veröffentlicht: (2024)

Leveraging Security Observability to Strengthen Security of Digital Ecosystem Architecture
von: Ramachandran, Renjith
Veröffentlicht: (2024)

Fuzzing BusyBox: Leveraging LLM and Crash Reuse for Embedded Bug Unearthing
von: Asmita, et al.
Veröffentlicht: (2024)

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

MirrorFuzz: Leveraging LLM and Shared Bugs for Deep Learning Framework APIs Fuzzing
von: Ou, Shiwen, et al.
Veröffentlicht: (2025)

Conflicting Scores, Confusing Signals: An Empirical Study of Vulnerability Scoring Systems
von: Koscinski, Viktoria, et al.
Veröffentlicht: (2025)

Beyond Imprecise Distance Metrics: Trace-Guided Directed Greybox Fuzzing via LLM-Predicted Call Stacks
von: Zhang, Yifan, et al.
Veröffentlicht: (2025)

PROMFUZZ: Leveraging LLM-Driven and Bug-Oriented Composite Analysis for Detecting Functional Bugs in Smart Contracts
von: Lin, Xingshuang, et al.
Veröffentlicht: (2025)

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

LLM Security Guard for Code
von: Kavian, Arya, et al.
Veröffentlicht: (2024)

A Guide to Stakeholder Analysis for Cybersecurity Researchers
von: Davis, James C, et al.
Veröffentlicht: (2025)

Following Dragons: Code Review-Guided Fuzzing
von: Luu, Viet Hoang, et al.
Veröffentlicht: (2026)

Fundamental Challenges in Cybersecurity and a Philosophy of Vulnerability-Guided Hardening
von: Böhme, Marcel
Veröffentlicht: (2024)

SAFuzz: Semantic-Guided Adaptive Fuzzing for LLM-Generated Code
von: Yang, Ziyi, et al.
Veröffentlicht: (2026)

Guiding Symbolic Execution with Static Analysis and LLMs for Vulnerability Discovery
von: Shafiuzzaman, Md, et al.
Veröffentlicht: (2026)

An Empirical Study on the Distance Metric in Guiding Directed Grey-box Fuzzing
von: Wen, Tingke, et al.
Veröffentlicht: (2024)

Coverage-Guided Multi-Agent Harness Generation for Java Library Fuzzing
von: Loose, Nils, et al.
Veröffentlicht: (2026)

LLM4Fuzz: Guided Fuzzing of Smart Contracts with Large Language Models
von: Shou, Chaofan, et al.
Veröffentlicht: (2024)

VulKey: Automated Vulnerability Repair Guided by Domain-Specific Repair Patterns
von: Li, Jia, et al.
Veröffentlicht: (2026)

SAVANT: Vulnerability Detection in Application Dependencies through Semantic-Guided Reachability Analysis
von: Lingxiang, Wang, et al.
Veröffentlicht: (2025)

Profile of Vulnerability Remediations in Dependencies Using Graph Analysis
von: Vera, Fernando, et al.
Veröffentlicht: (2024)

AdProv: A Method for Provenance of Process Adaptations
von: Stage, Ludwig, et al.
Veröffentlicht: (2025)

LLAMA: Multi-Feedback Smart Contract Fuzzing Framework with LLM-Guided Seed Generation
von: Gai, Keke, et al.
Veröffentlicht: (2025)

Automated Repair of TEE Partitioning Issues via DSL-Guided and LLM-Assisted Patching
von: Ma, Chengyan, et al.
Veröffentlicht: (2026)

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

PrediQL: Automated Testing of GraphQL APIs with LLMs
von: Liu, Shaolun, et al.
Veröffentlicht: (2025)

Match & Mend: Minimally Invasive Local Reassembly for Patching N-day Vulnerabilities in ARM Binaries
von: Jänich, Sebastian, et al.
Veröffentlicht: (2025)

FCGHunter: Towards Evaluating Robustness of Graph-Based Android Malware Detection
von: Song, Shiwen, et al.
Veröffentlicht: (2025)

Building a Cybersecurity Risk Metamodel for Improved Method and Tool Integration
von: Ponsard, Christophe
Veröffentlicht: (2024)

Coca: Improving and Explaining Graph Neural Network-Based Vulnerability Detection Systems
von: Cao, Sicong, et al.
Veröffentlicht: (2024)