MetaVul automatiza a melhoria do “harness” — o código de scaffolding que estrutura como um agente de IA raciocina e decide — usado na detecção de vulnerabilidades, em vez de depender de ajustes manuais fixos. Em testes, os harnesses otimizados aumentaram a acurácia de detecção pareada (função vulnerável vs. corrigida) em até 23 a 26 pontos percentuais, e parte do ganho obtido com um modelo se transferiu para outros modelos nunca usados na otimização.
Fonte ↗Pesquisadores apresentam o VulnLens, um framework de detecção de vulnerabilidades em binários C/C++ que separa a análise de comportamento do código, feita por um LLM que não recebe rótulos de vulnerabilidade, da decisão final de classificação, feita por um detector supervisionado treinado com cross-attention. O LLM examina cada função sob sete perspectivas fixas (fluxo de dados, acesso à memória, tempo de vida de objetos, aritmética e tipos, fluxo de controle, estado compartilhado e acesso a recursos externos), e o sistema supera modelos de propósito geral como DeepSeek V4 Pro e Gemini 2.5 Pro tanto no conjunto de teste PrimeVul quanto na transferência para o SecVulEval sem retreinamento.
Fonte ↗Pesquisadores desenvolveram um scanner de seis módulos para auditar skills de agentes de IA (pacotes de instruções, scripts e arquivos de referência carregados por agentes LLM), focado em vulnerabilidades não intencionais em skills legítimas e em interações perigosas entre múltiplas skills instaladas juntas, e não apenas em skills deliberadamente maliciosas. Ao analisar 1.587 skills dos 75 repositórios mais populares do GitHub, a ferramenta identificou 59 achados confirmados por analistas humanos em 23 repositórios, com 10 casos de severidade média ou alta divulgados de forma responsável aos mantenedores, e provas de conceito comprovaram exploração real antes da aplicação de mitigações eficazes em quase todos os casos.
Fonte ↗O VulDec combina um decompilador neural baseado em LLM, treinado para reconstruir código C legível a partir de Assembly, com um detector de vulnerabilidades que opera sobre essa reconstrução, atacando um cenário comum em auditoria de segurança: analisar um executável quando o código-fonte não está disponível. O sistema atinge F1-score macro de 0,61 em um conjunto de teste realista com apenas 3% de taxa de vulnerabilidade.
Fonte ↗O RALE (Representation-Aware Logical Ensemble) mostra que diferentes representações de código — texto bruto, Árvore de Sintaxe Abstrata e Grafo de Fluxo de Controle — têm pontos fortes complementares para detectar diferentes classes de vulnerabilidade em C, e que combinar LLMs treinados em cada representação via regras lógicas e votação supera qualquer representação isolada, elevando o F1-score de 73% para 78%.
Fonte ↗Pesquisadores propõem o SESAA, um framework em que um agente LLM parte do zero e evolui iterativamente um conjunto de queries Joern (análise estática) com base apenas no feedback de um segundo LLM crítico, sem acesso a rótulos verdadeiros. No benchmark OWASP para Python, o sistema atinge F1 médio de 0,742, comparável às ferramentas tradicionais mais fortes, e detecta 10 de 19 CVEs reais em um piloto.
Fonte ↗Pesquisadores testaram 24 combinações de modelos de LLM e harnesses de agente contra uma base de código em produção com vulnerabilidades ainda não públicas, confirmando 265 causas-raiz de segurança distintas. Nenhuma configuração isolada cobriu todos os achados, e 14,3% das vulnerabilidades só foram encontradas por exatamente um modelo, enquanto contexto de engenharia (como grafos de chamada derivados do CodeQL) beneficiou muito mais modelos menores do que o modelo de fronteira.
Fonte ↗Gadi Evron mapeou 13 pontos de engenharia em que harnesses de descoberta de vulnerabilidades baseados em LLM podem descartar silenciosamente código ou achados reais, independentemente da capacidade do modelo subjacente. Ao examinar doze harnesses de código aberto, incluindo dois mantidos pelo próprio autor, ele mostrou que seis deles descartaram um mesmo arquivo de teste antes que o modelo chegasse a analisá-lo, cinco sem qualquer aviso de que isso havia ocorrido.
Fonte ↗Pesquisadores descobriram que agentes de IA de ponta, como o Codex, produzem resultados muito inconsistentes ao analisar commits de código reais que carregam a mesma vulnerabilidade e a mesma funcionalidade, apenas escritos de forma ligeiramente diferente. A partir disso, propõem usar transformações de código que preservam a funcionalidade — mineradas de padrões reais de desenvolvimento — como uma defesa deliberada para atrasar agentes atacantes que buscam vulnerabilidades em massa.
Fonte ↗A Canonical anunciou a migração para um ciclo unificado de releases de segurança de duas semanas depois que ferramentas de IA passaram a encontrar vulnerabilidades no kernel Linux em um ritmo muito superior ao da triagem manual tradicional. A empresa quer reduzir a janela de exposição oferecendo mitigações temporárias em 24 a 48 horas após a divulgação pública, mesmo quando o patch definitivo ainda não está pronto.
Fonte ↗O artigo testa Behavior Trees (arvores de comportamento) como representacao intermediaria alternativa para deteccao de vulnerabilidades via LLM, mais compacta que Abstract Syntax Trees (ASTs). Usando um unico modelo local quantizado (Mistral Small 3.2 24B) sobre 460 amostras Java do Juliet Test Suite, a representacao BT melhora recall em amostras curtas e, em amostras mais longas, tanto melhora o desempenho geral quanto cabe no limite de contexto onde a AST equivalente estoura.
Fonte ↗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.
Fonte ↗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.
Fonte ↗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.
Fonte ↗