语法与编译保持的 LLM 漏洞检测器规避攻击

论文提出在保持语法与编译的前提下规避 LLM 漏洞检测器的攻击方法，在统一的 C/C++ 基准（N=5000）上评估六款检测模型，其中五款的完全抵抗率（CR）不高于 13%，即超过 87% 被正确检出的漏洞可被至少一种语法保持编辑规避。作者用四种载体家族（标识符替换、注释、预处理器宏与 #ifdef、死分支）构造五种攻击变体，在 14B 代理模型上优化的通用对抗字符串可零修改迁移到 GPT-4o 等黑盒 API，定向优化最高攻击成功率达 99.88%。防御方面，输入清洗只消除注释与预处理器载体，随机平滑收益有限（1.6–8.9 个百分点），对抗微调把 CR 从 0.13% 提升到 3.88% 但干净 TPR 下降 6.3 个百分点。

Deep readingGenerating