Buchumschlag

Inference-Time Safety For Code LLMs Via Retrieval-Augmented Revision

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mukherjee, Manisha, Hellendoorn, Vincent J.
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Software Engineering Artificial Intelligence Cryptography and Security Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

SOSecure: Safer Code Generation with RAG and StackOverflow Discussions
von: Mukherjee, Manisha, et al.
Veröffentlicht: (2025)

We Have a Package for You! A Comprehensive Analysis of Package Hallucinations by Code Generating LLMs
von: Spracklen, Joseph, et al.
Veröffentlicht: (2024)

RESCUE: Retrieval Augmented Secure Code Generation
von: Shi, Jiahao, et al.
Veröffentlicht: (2025)

How Do Semantically Equivalent Code Transformations Impact Membership Inference on LLMs for Code?
von: Yang, Hua, et al.
Veröffentlicht: (2025)

Constrained Decoding for Secure Code Generation
von: Fu, Yanjun, et al.
Veröffentlicht: (2024)

Instruction Tuning for Secure Code Generation
von: He, Jingxuan, et al.
Veröffentlicht: (2024)

Differentiated Directional Intervention A Framework for Evading LLM Safety Alignment
von: Zhang, Peng, et al.
Veröffentlicht: (2025)

CodeAttack: Revealing Safety Generalization Challenges of Large Language Models via Code Completion
von: Ren, Qibing, et al.
Veröffentlicht: (2024)

SCoPE: Evaluating LLMs for Software Vulnerability Detection
von: Gonçalves, José, et al.
Veröffentlicht: (2024)

Prompting Techniques for Secure Code Generation: A Systematic Investigation
von: Tony, Catherine, et al.
Veröffentlicht: (2024)

AgenticSCR: An Autonomous Agentic Secure Code Review for Immature Vulnerabilities Detection
von: Charoenwet, Wachiraphan, et al.
Veröffentlicht: (2026)

Deploying Privacy Guardrails for LLMs: A Comparative Analysis of Real-World Applications
von: Asthana, Shubhi, et al.
Veröffentlicht: (2025)

ReGA: Model-Based Safeguard for LLMs via Representation-Guided Abstraction
von: Wei, Zeming, et al.
Veröffentlicht: (2025)

Sleeper Agents: Training Deceptive LLMs that Persist Through Safety Training
von: Hubinger, Evan, et al.
Veröffentlicht: (2024)

Online Safety Analysis for LLMs: a Benchmark, an Assessment, and a Path Forward
von: Xie, Xuan, et al.
Veröffentlicht: (2024)

VulCatch: Enhancing Binary Vulnerability Detection through CodeT5 Decompilation and KAN Advanced Feature Extraction
von: Chukkol, Abdulrahman Hamman Adama, et al.
Veröffentlicht: (2024)

Harnessing the Power of LLMs in Source Code Vulnerability Detection
von: Mahyari, Andrew A
Veröffentlicht: (2024)

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

SPDZCoder: Combining Expert Knowledge with LLMs for Generating Privacy-Computing Code
von: Dong, Xiaoning, et al.
Veröffentlicht: (2024)

StepShield: When, Not Whether to Intervene on Rogue Agents
von: Felicia, Gloria, et al.
Veröffentlicht: (2026)

Cyber Threat Detection and Vulnerability Assessment System using Generative AI and Large Language Model
von: M, Keerthi Kumar., et al.
Veröffentlicht: (2026)

Traversal-as-Policy: Log-Distilled Gated Behavior Trees as Externalized, Verifiable Policies for Safe, Robust, and Efficient Agents
von: Li, Peiran, et al.
Veröffentlicht: (2026)

Innovations in Cardless Artificial Intelligence Banking: A Comprehensive Framework for Cyber Secure and Fraud Mitigation using Machine Learning Algorithms
von: Israfeel, Md
Veröffentlicht: (2026)

Software Vulnerability Detection Using a Lightweight Graph Neural Network
von: Farmer, Miles, et al.
Veröffentlicht: (2026)

RACC: Representation-Aware Coverage Criteria for LLM Safety Testing
von: Wei, Zeming, et al.
Veröffentlicht: (2026)

Security smells in infrastructure as code: a taxonomy update beyond the seven sins
von: War, Aicha, et al.
Veröffentlicht: (2025)

Detection of security smells in IaC scripts through semantics-aware code and language processing
von: War, Aicha, et al.
Veröffentlicht: (2025)

A Robust Pipeline for Differentially Private Federated Learning on Imbalanced Clinical Data using SMOTETomek and FedProx
von: Tertulino, Rodrigo
Veröffentlicht: (2025)

Your Compiler is Backdooring Your Model: Understanding and Exploiting Compilation Inconsistency Vulnerabilities in Deep Learning Compilers
von: Chen, Simin, et al.
Veröffentlicht: (2025)

LLMSecConfig: An LLM-Based Approach for Fixing Software Container Misconfigurations
von: Ye, Ziyang, et al.
Veröffentlicht: (2025)

Defending against Adversarial Malware Attacks on ML-based Android Malware Detection Systems
von: He, Ping, et al.
Veröffentlicht: (2025)

Which PPML Would a User Choose? A Structured Decision Support Framework for Developers to Rank PPML Techniques Based on User Acceptance Criteria
von: Löbner, Sascha, et al.
Veröffentlicht: (2024)

Tady: A Neural Disassembler without Structural Constraint Violations
von: Qin, Siliang, et al.
Veröffentlicht: (2025)

Evaluating LLaMA 3.2 for Software Vulnerability Detection
von: Gonçalves, José, et al.
Veröffentlicht: (2025)

Revisiting Pre-trained Language Models for Vulnerability Detection
von: Li, Youpeng, et al.
Veröffentlicht: (2025)

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

Mitigating Sensitive Information Leakage in LLMs4Code through Machine Unlearning
von: Gu, Shanzhi, et al.
Veröffentlicht: (2025)

CASTLE: Benchmarking Dataset for Static Code Analyzers and LLMs towards CWE Detection
von: Dubniczky, Richard A., et al.
Veröffentlicht: (2025)

CoDe-R: Refining Decompiler Output with LLMs via Rationale Guidance and Adaptive Inference
von: Zhang, Qiang, et al.
Veröffentlicht: (2026)

Unsafer in Many Turns: Benchmarking and Defending Multi-Turn Safety Risks in Tool-Using Agents
von: Li, Xu, et al.
Veröffentlicht: (2026)