tema

#deteccao-de-vulnerabilidades

3 publicações marcadas com esta tag.

panoramaOS-2026-245 · 2026-08-19

Pesquisa extrai ativações internas de LLMs para detectar vulnerabilidades em código C/C++

Um novo estudo extrai as ativações internas de quatro LLMs no momento em que leem código C/C++ e treina probes leves sobre elas para prever se o código é vulnerável, sem depender de analisadores estáticos ou classificadores separados. Os probes chegam a igualar o desempenho de classificadores especializados no benchmark Devign, usando menos de 0,2% do tamanho do modelo base, embora percam desempenho em benchmarks mais difíceis e desbalanceados.

#deteccao-de-vulnerabilidades #interpretabilidade-aplicada #llm #analise-de-codigo #artigo-cientifico

Fonte ↗

risco médioOS-2026-237 · 2026-08-18

Detector de vulnerabilidades em smart contracts baseado em IA pode ser enganado por um grafo idêntico

A análise do GNNSCVulDetector, um detector de vulnerabilidades em smart contracts baseado em redes neurais de grafo, encontra quatro falhas na etapa em que o código é convertido em grafo antes do treinamento, incluindo um ataque de evasão em que contratos estruturalmente diferentes geram grafos idênticos byte a byte. Os autores confirmam experimentalmente um caso em que um contrato totalmente explorável por reentrância é classificado como seguro porque a aresta que representa a chamada externa maliciosa nunca é construída.

#artigo-cientifico #smart-contracts #gnn #evasao #deteccao-de-vulnerabilidades

Fonte ↗

risco médioOS-2026-185 · 2026-08-10

CyberLLM combina agentes LLM com camada determinística para detectar e responder a vulnerabilidades automotivas sob guarda de segurança formal

CyberLLM é um framework multiagente para veículos definidos por software que combina uma camada determinística (regras, análise de AST, verificação de topologia) com refinamento via LLM para detectar vulnerabilidades em módulos ECU, seguido de um agente de decisão que só aciona remediação após validação contra propriedades de segurança formais e um oráculo de alinhamento independente. Em um benchmark com 47 vulnerabilidades semeadas em nove módulos ECU reais, a camada determinística sozinha cobriu 34% dos casos com precisão perfeita, e a adição do LLM quase dobrou a cobertura para cerca de 70%, sem falsos positivos nos controles limpos.

#automotivo #deteccao-de-vulnerabilidades #agentes-multi-agente #artigo-cientifico

Fonte ↗