Buchumschlag

Minimal Prompt Perturbations Lead to Code Vulnerabilities: Prompt Fragility and Hidden-State Signals in Coding LLMs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sternfeld, Alexander, Kucharavy, Andrei, Dolamic, Ljiljana
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Cryptography and Security Computation and Language Software Engineering
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

TypePilot: Leveraging the Scala Type System for Secure LLM-generated Code
von: Sternfeld, Alexander, et al.
Veröffentlicht: (2025)

Retrieval-Augmented Few-Shot Prompting Versus Fine-Tuning for Code Vulnerability Detection
von: Trad, Fouad, et al.
Veröffentlicht: (2025)

ProSec: Fortifying Code LLMs with Proactive Security Alignment
von: Xu, Xiangzhe, et al.
Veröffentlicht: (2024)

From Model to Breach: Towards Actionable LLM-Generated Vulnerabilities Reporting
von: Vallez, Cyril, et al.
Veröffentlicht: (2025)

From Solitary Directives to Interactive Encouragement! LLM Secure Code Generation by Natural Language Prompting
von: Liu, Shigang, et al.
Veröffentlicht: (2024)

Can LLM Prompting Serve as a Proxy for Static Analysis in Vulnerability Detection
von: Ceka, Ira, et al.
Veröffentlicht: (2024)

SecureVibeBench: Benchmarking Secure Vibe Coding of AI Agents via Reconstructing Vulnerability-Introducing Scenarios
von: Chen, Junkai, et al.
Veröffentlicht: (2025)

PurpCode: Reasoning for Safer Code Generation
von: Liu, Jiawei, et al.
Veröffentlicht: (2025)

LLM Detectors Still Fall Short of Real World: Case of LLM-Generated Short News-Like Posts
von: Gameiro, Henrique Da Silva, et al.
Veröffentlicht: (2024)

Unsupervised Binary Code Translation with Application to Code Similarity Detection and Vulnerability Discovery
von: Ahmad, Iftakhar, et al.
Veröffentlicht: (2024)

How Secure is Secure Code Generation? Adversarial Prompts Put LLM Defenses to the Test
von: Tessa, Melissa, et al.
Veröffentlicht: (2026)

"Your AI, My Shell": Demystifying Prompt Injection Attacks on Agentic AI Coding Editors
von: Liu, Yue, et al.
Veröffentlicht: (2025)

Efficient Detection of Toxic Prompts in Large Language Models
von: Liu, Yi, et al.
Veröffentlicht: (2024)

Prompt Injection attack against LLM-integrated Applications
von: Liu, Yi, et al.
Veröffentlicht: (2023)

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

Impact of Code Transformation on Detection of Smart Contract Vulnerabilities
von: Manh, Cuong Tran, et al.
Veröffentlicht: (2024)

A Systematic Approach to Predict the Impact of Cybersecurity Vulnerabilities Using LLMs
von: Høst, Anders Mølmen, et al.
Veröffentlicht: (2025)

Large Language Models Cannot Reliably Detect Vulnerabilities in JavaScript: The First Systematic Benchmark and Evaluation
von: Fei, Qingyuan, et al.
Veröffentlicht: (2025)

Argus: Reorchestrating Static Analysis via a Multi-Agent Ensemble for Full-Chain Security Vulnerability Detection
von: Liang, Zi, et al.
Veröffentlicht: (2026)

Lightweight Vulnerability Detection from Code Metrics and Token Features
von: Chiu, Chun Yin
Veröffentlicht: (2026)

Is GitHub's Copilot as Bad as Humans at Introducing Vulnerabilities in Code?
von: Asare, Owura, et al.
Veröffentlicht: (2022)

Model Context Protocol Threat Modeling and Analyzing Vulnerabilities to Prompt Injection with Tool Poisoning
von: Huang, Charoes, et al.
Veröffentlicht: (2026)

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)

DeepCode AI Fix: Fixing Security Vulnerabilities with Large Language Models
von: Berabi, Berkay, et al.
Veröffentlicht: (2024)

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

APPATCH: Automated Adaptive Prompting Large Language Models for Real-World Software Vulnerability Patching
von: Nong, Yu, et al.
Veröffentlicht: (2024)

Transferable Backdoor Attacks for Code Models via Sharpness-Aware Adversarial Perturbation
von: Chang, Shuyu, et al.
Veröffentlicht: (2026)

MegaVul: A C/C++ Vulnerability Dataset with Comprehensive Code Representation
von: Ni, Chao, et al.
Veröffentlicht: (2024)

Assessing Vulnerability in Smart Contracts: The Role of Code Complexity Metrics in Security Analysis
von: Tehrani, Masoud Jamshidiyan
Veröffentlicht: (2024)

DLAP: A Deep Learning Augmented Large Language Model Prompting Framework for Software Vulnerability Detection
von: Yang, Yanjing, et al.
Veröffentlicht: (2024)

Benchmarking Prompt Engineering Techniques for Secure Code Generation with GPT Models
von: Bruni, Marc, et al.
Veröffentlicht: (2025)

Overeager Coding Agents: Measuring Out-of-Scope Actions on Benign Tasks
von: Qu, Yubin, et al.
Veröffentlicht: (2026)

When Labels Are Scarce: A Systematic Mapping of Label-Efficient Code Vulnerability Detection
von: Khalal, Noor, et al.
Veröffentlicht: (2026)

Many Tools, Few Exploitable Vulnerabilities: A Survey of 246 Static Code Analyzers for Security
von: Hermann, Kevin, et al.
Veröffentlicht: (2026)

How Code Representation Shapes False-Positive Dynamics in Cross-Language LLM Vulnerability Detection
von: Chen, Maofei, et al.
Veröffentlicht: (2026)

Beyond Metadata: Code-centric and Usage-based Analysis of Known Vulnerabilities in Open-source Software
von: Ponta, Serena E., et al.
Veröffentlicht: (2018)

CleanVul: Automatic Function-Level Vulnerability Detection in Code Commits Using LLM Heuristics
von: Li, Yikun, et al.
Veröffentlicht: (2024)

Accurate and Extensible Symbolic Execution of Binary Code based on Formal ISA Semantics
von: Tempel, Sören, et al.
Veröffentlicht: (2024)

PoLLMgraph: Unraveling Hallucinations in Large Language Models via State Transition Dynamics
von: Zhu, Derui, et al.
Veröffentlicht: (2024)

Does Teaming-Up LLMs Improve Secure Code Generation? A Comprehensive Evaluation with Multi-LLMSecCodeEval
von: Sabir, Bushra, et al.
Veröffentlicht: (2026)