Buchumschlag

Unveiling the Landscape of LLM Deployment in the Wild: An Empirical Study

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hou, Xinyi, Han, Jiahao, Zhao, Yanjie, Wang, Haoyu
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Cryptography and Security Artificial Intelligence Software Engineering
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Agent Skills in the Wild: An Empirical Study of Security Vulnerabilities at Scale
von: Liu, Yi, et al.
Veröffentlicht: (2026)

An Empirical Study of Vulnerabilities in Python Packages and Their Detection
von: Quan, Haowei, et al.
Veröffentlicht: (2025)

LLM-enabled Applications Require System-Level Threat Monitoring
von: Zhang, Yedi, et al.
Veröffentlicht: (2026)

LLM Agents for Automated Web Vulnerability Reproduction: Are We There Yet?
von: Liu, Bin, et al.
Veröffentlicht: (2025)

SOK: Exploring Hallucinations and Security Risks in AI-Assisted Software Development with Insights for LLM Deployment
von: Haque, Ariful, et al.
Veröffentlicht: (2025)

Safety and Performance, Why Not Both? Bi-Objective Optimized Model Compression against Heterogeneous Attacks Toward AI Software Deployment
von: Zhu, Jie, et al.
Veröffentlicht: (2024)

An Empirical Study of Vulnerability Detection using Federated Learning
von: Zhou, Peiheng, et al.
Veröffentlicht: (2024)

Semantic-Aware Fuzzing: An Empirical Framework for LLM-Guided, Reasoning-Driven Input Mutation
von: Lu, Mengdi, et al.
Veröffentlicht: (2025)

An Empirical Study of Code Obfuscation Practices in the Google Play Store
von: Niroshan, Akila, et al.
Veröffentlicht: (2025)

Leveraging Large Language Models for Command Injection Vulnerability Analysis in Python: An Empirical Study on Popular Open-Source Projects
von: Wang, Yuxuan, et al.
Veröffentlicht: (2025)

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

Models Are Codes: Towards Measuring Malicious Code Poisoning Attacks on Pre-trained Model Hubs
von: Zhao, Jian, et al.
Veröffentlicht: (2024)

On the (In)Security of LLM App Stores
von: Hou, Xinyi, et al.
Veröffentlicht: (2024)

The Invisible Hand: Unveiling Provider Bias in Large Language Models for Code Generation
von: Zhang, Xiaoyu, et al.
Veröffentlicht: (2025)

Model Context Protocol (MCP): Landscape, Security Threats, and Future Research Directions
von: Hou, Xinyi, et al.
Veröffentlicht: (2025)

KNighter: Transforming Static Analysis with LLM-Synthesized Checkers
von: Yang, Chenyuan, et al.
Veröffentlicht: (2025)

False Friends in the Shell: Unveiling the Emoticon Semantic Confusion in Large Language Models
von: Jiang, Weipeng, et al.
Veröffentlicht: (2026)

LLM Applications: Current Paradigms and the Next Frontier
von: Hou, Xinyi, et al.
Veröffentlicht: (2025)

Poisoned Identifiers Survive LLM Deobfuscation: A Case Study on Claude Opus 4.6
von: Lorenzo, Luis Guzmán
Veröffentlicht: (2026)

Towards Robust Detection of Open Source Software Supply Chain Poisoning Attacks in Industry Environments
von: Zheng, Xinyi, et al.
Veröffentlicht: (2024)

LLM-Enabled Open-Source Systems in the Wild: An Empirical Study of Vulnerabilities in GitHub Security Advisories
von: Shifat, Fariha Tanjim, et al.
Veröffentlicht: (2026)

Implicit Patterns in LLM-Based Binary Analysis
von: Li, Qiang, et al.
Veröffentlicht: (2026)

Automatic Red Teaming LLM-based Agents with Model Context Protocol Tools
von: He, Ping, et al.
Veröffentlicht: (2025)

LLM4Vuln: A Unified Evaluation Framework for Decoupling and Enhancing LLMs' Vulnerability Reasoning
von: Sun, Yuqiang, et al.
Veröffentlicht: (2024)

VULPO: Context-Aware Vulnerability Detection via On-Policy LLM Optimization
von: Li, Youpeng, et al.
Veröffentlicht: (2025)

Beyond BeautifulSoup: Benchmarking LLM-Powered Web Scraping for Everyday Users
von: Bhardwaj, Arth, et al.
Veröffentlicht: (2026)

Hackers or Hallucinators? A Comprehensive Analysis of LLM-Based Automated Penetration Testing
von: Peng, Jiaren, et al.
Veröffentlicht: (2026)

From SFT to RL: Demystifying the Post-Training Pipeline for LLM-based Vulnerability Detection
von: Li, Youpeng, et al.
Veröffentlicht: (2026)

Locus: Agentic Predicate Synthesis for Directed Fuzzing
von: Zhu, Jie, et al.
Veröffentlicht: (2025)

Casting a SPELL: Sentence Pairing Exploration for LLM Limitation-breaking
von: Huang, Yifan, et al.
Veröffentlicht: (2025)

ORCA: Unveiling Obscure Containers In The Wild
von: Bufalino, Jacopo, et al.
Veröffentlicht: (2025)

CKGFuzzer: LLM-Based Fuzz Driver Generation Enhanced By Code Knowledge Graph
von: Xu, Hanxiang, et al.
Veröffentlicht: (2024)

PentestEval: Benchmarking LLM-based Penetration Testing with Modular and Stage-Level Design
von: Yang, Ruozhao, et al.
Veröffentlicht: (2025)

Inverting the Shield: Systematically Generating Safety Tests from Policy Specifications
von: Lu, Xiaoyue, et al.
Veröffentlicht: (2026)

Security of LLM-generated Code: A Comparative Analysis
von: Morkonda, Srivathsan G, et al.
Veröffentlicht: (2026)

The potential of LLM-generated reports in DevSecOps
von: Lykousas, Nikolaos, et al.
Veröffentlicht: (2024)

An LLM-Assisted Easy-to-Trigger Backdoor Attack on Code Completion Models: Injecting Disguised Vulnerabilities against Strong Detection
von: Yan, Shenao, et al.
Veröffentlicht: (2024)

SCDBench: A Benchmark for LLM-Based Smart Contract Decompilers
von: Qin, Kaihua, et al.
Veröffentlicht: (2026)

SKILLS: Structured Knowledge Injection for LLM-Driven Telecommunications Operations
von: Brett, Ivo
Veröffentlicht: (2026)

"Elementary, My Dear Watson." Detecting Malicious Skills via Neuro-Symbolic Reasoning across Heterogeneous Artifacts
von: Wang, Shenao, et al.
Veröffentlicht: (2026)