跳到正文
原文

ACaM:面向智能体安全的自动化能力建模

ACaM: Automated Capability Modeling for Agentic AI Security

arXiv:其他 AI 安全论文· arXiv:2611.23507· Monika Santra, Dhilung Kirat, Qiushi Wu, Kevin Eykholt, Xiaokui Shu, Ian MolloyThe Pennsylvania State University; IBM Thomas J. Watson Research Center本站收录· 13 小时前· 原文发表入选 防御· 扫描记录里的位置 →精选关注度39

论文速读

防御

据论文 PDF 整理(AI 生成),以原文为准

作者提出 ACaM,用静态分析加 LLM 从智能体代码构建能力图,在 24 个标注智能体上达 0.983 macro-F1,并在 43 个真实智能体中发现 123 条 Critical 路径。

威胁模型ACaM 不信任工具描述,假设对手把危险能力藏在良性描述之后(capability laundering),来源可为恶意贡献者、被攻陷的第三方工具或无意漂移;白盒设置,部署前分析 Python 源码;不覆盖自修改代码、黑盒远程组件和混淆/反射/运行时构造的代码。

问题
智能体的 LLM 编排器只读工具的自然语言描述,从不检查实现,描述与代码不一致(DCI)使危险能力可以藏在良性描述后(capability laundering),部署前无人知道智能体实际能访问、外泄和传播什么。
方法
ACaM 用静态分析从源码构建 Agent Capability Property Graph(ACPG),LLM 只填补静态分析无法判定的语义属性且不能推翻静态事实;再用确定性图遍历做威胁链重建和结构漏洞识别。
实验与结果
在 24 个标注智能体上 ACaM 达 0.983 macro-F1,高于 SA-only 的 0.934 和 LLM-only 的 0.814;威胁链重建 0.980,比最强 LLM-only 基线高约 8 个点;在 43 个真实智能体上发现 123 条 Critical 路径,10 个发现做了 PoC 验证。
局限与可以继续做的
作者指出:仅支持 Python;静态引擎保守,最坏情况建模和 sanitizer 处理可能带来假阳性,运行时构造的文件路径可能带来假阴性。评测覆盖 43 个 Python 智能体、5 个框架,注入变体为人工构造。
实验设置Sonnet 4.6 (claude-sonnet-4-6)、Opus 4.8 等 · Discovery Corpus(43 个真实智能体)、24-agent annotated subset(10 base + 14 injected variants) · macro-F1、precision 等
被测模型
Sonnet 4.6 (claude-sonnet-4-6)Opus 4.8Claude Haiku 4.5qwen2.5:7b
基准
Discovery Corpus(43 个真实智能体)24-agent annotated subset(10 base + 14 injected variants)
指标
macro-F1precisionrecallaccuracy7-fact threat chain reconstruction scoreper-fact miss ratecost ($)
AI 导读和推荐理由宾州州立大学与 IBM Research 研究者提出 ACaM,一种部署前从代码而非工具描述推导智能体能力面的神经符号安全分析方法。针对描述与代码不一致(DCI)导致的能力洗白威胁,ACaM 将智能体源码编译为 Agent Capability Property Graph,静态分析确立的代码事实不可被 LLM 输出推翻,LLM 只补充语义判断,并可重建跨多个工具调用的威胁链。在 24 个人工标注智能体上,能力属性恢复的 macro-F1 达 98.3%,对注入威胁链的重建得分 0.980,比最强纯 LLM 基线高约 8 分。在 43 个未修改的真实智能体上,论文人工确认 123 条代码执行与凭据暴露路径,并对 10 项 Critical 和 High 发现给出概念验证利用,已通过协调披露报告相关维护者。

宾州州立大学与 IBM Research 研究者提出 ACaM,一种部署前从代码而非工具描述推导智能体能力面的神经符号安全分析方法。针对描述与代码不一致(DCI)导致的能力洗白威胁,ACaM 将智能体源码编译为 Agent Capability Property Graph,静态分析确立的代码事实不可被 LLM 输出推翻,LLM 只补充语义判断,并可重建跨多个工具调用的威胁链。在 24 个人工标注智能体上,能力属性恢复的 macro-F1 达 98.3%,对注入威胁链的重建得分 0.980,比最强纯 LLM 基线高约 8 分。在 43 个未修改的真实智能体上,论文人工确认 123 条代码执行与凭据暴露路径,并对 10 项 Critical 和 High 发现给出概念验证利用,已通过协调披露报告相关维护者。

推荐理由论文提出从代码而非工具描述推导智能体能力面的方法,部署前即可发现描述未声明的危险能力与跨工具威胁链。

深度解读

6个问题,点开问题读完整回答

  1. 这篇论文试图解决什么问题?

    作者要解决部署前无法回答"智能体实际能做什么"的问题:工具描述与代码不一致(DCI)使危险能力可藏在良性描述后。

    核心问题:智能体的真实能力面(能访问、外泄、传播什么)在部署前无人知晓,因为现有方法把工具的自然语言描述当作其行为的代理,而没有任何机制保证描述与实现一致。

    • 场景与重要性:LLM 编排器只读工具描述来决定调用哪个工具,从不检查工具代码;描述与代码的分歧称为 Description-Code Inconsistency(DCI),它使能 capability laundering——工具实现含有描述未声明的危险行为,每次正常调用都会静默执行(如论文开头 get_weather 示例泄露凭证)。
    • 现有方法不足:作者称现有防御多在运行时监控、沙箱或约束智能体;经典静态分析(Pysa、CodeQL 等)没有 LLM 与工具边界的概念;DCI 类工作逐工具比对描述与代码,不建模组合后的系统和跨工具威胁链。
    • 核心观察:静态分析与 LLM 失败在相反的地方——静态分析精确恢复数据流但不懂代码语义,LLM 懂意图但在长链上丢失中间跳、且轻信工具描述;因此分工应不对称:静态分析决定它能决定的一切,LLM 只补语义残差。
    • 论文提出:ACaM,一个神经符号(neurosymbolic)能力建模流程,从源码编译出 Agent Capability Property Graph(ACPG),支持威胁链重建和结构漏洞识别两个下游分析。
    • 威胁模型:
      • 攻击者目标:把危险能力藏在良性工具描述之后(capability laundering),来源可为恶意贡献者、被攻陷的第三方工具或无意漂移,ACaM 不区分这三者。
      • 攻击者知识/能力:假设对手"把能力藏在良性描述后,而不是藏在为逃避静态检测而构造的代码后"。
      • 分析者视角:white-box 设置,部署前分析 Python 源码。
      • 范围外:部署后自修改的代码、原生或不透明远程组件(black-box)、通过混淆/反射/运行时构造逃避分析的代码;运行时过滤器能否抵抗自适应攻击是独立问题,不在范围内。
  2. 有哪些相关研究?

    作者按 Table 1 的五个属性把相关工作分六类,称没有一类同时满足部署前适用、建模 LLM 调度、工具组合性、代码接地和跨工具链重建。

    面向非智能体系统的分析

    • Pysa、CodeQL、Semgrep 及 code property graph——对源码做污点追踪和模式匹配;作者称它们快速、精确、可部署前运行,但没有 LLM 与工具边界的概念,把 LLM 建模成 taint-in-taint-out 桩会破坏合法流并漏掉真实问题。
    • LLM 辅助静态分析(Iris 等 [28]–[36])——用 LLM 提升路径敏感性或挖掘 bug;作者称它们分析的是经典软件代码,没有表示运行时从描述选择行为的调度层。
    • STRIDE GPT——用 LLM 直接从系统设计或描述枚举威胁;作者称它从不读实现,继承描述遗漏的一切。

    智能体系统的运行时结构与执行

    • AgentArmor 等——从运行时 trace 构建程序/数据依赖视图,由 LLM 在高层推理;作者称它会漏掉从未表现为可观察效果的隐藏能力(即 DCI 情形),且从不接地底层代码事实。
    • IFC、CaMeL、FORGE、沙箱等运行时防护——作者称这类工作必要,但许多问题本可更早发现,且每种机制都预设一个自己不产生的输入(IFC 需要标注,enforcement 需要策略)。

    Description-Code Inconsistency(DCI)

    • [1]、[2] 测量 MCP 工具描述与代码的分歧,发现 10% 到 13% 的案例存在分歧。
    • MCP-FSD——在 MCP 服务器中检测文件系统能力不匹配,通过在沙箱中运行单个工具确认;作者称它是动态、逐工具、仅限文件系统的,而 ACaM 是静态、覆盖更广能力集、可重建跨工具链。

    基线与基准:RQ1/RQ2 的基线为 ACaM-SA(去掉所有 LLM 组件)、Pysa(无桩和有 TITO 桩两种配置)、Semgrep(community rules),以及 LLM-only 基线(Sonnet 4.6 与 Opus 4.8,6 种提示策略用于 RQ1、3 种用于 RQ2 Part 1)。评测语料为 43 个真实智能体的 Discovery Corpus 和 24 个手工标注智能体(10 base + 14 注入变体)。

    作者定位:Table 1 中 ACaM 是唯一在五个属性上全部打勾的一行;作者称 DCI 类工作与其最接近但逐工具、不建模组合系统,ACaM 把每个工具的能力作为完整智能体能力图中的节点。

  3. 论文如何解决这个问题?

    ACaM 分五阶段把智能体源码编译成 ACPG:静态分析锁定事实,LLM 在护栏下只填语义残差,再用确定性图遍历查询。

    整体思路:ACaM 用静态分析从源码恢复能力面的大部分,LLM 只处理结构无法表达的语义残差,且任何 LLM 输出不能推翻静态分析已确立的事实;两者输出合并为 ACPG,供下游确定性查询。

    AFG 构建与污点播种(Section 4.1)

    • AFG 节点与边:组件(orchestrator、tool、helper 三种角色,外加无源码的 LLM 节点)和 conduit(数据进出函数的通道,如共享状态、文件、网络调用、环境变量);边记录调用与数据流。通过框架注册模式(如 LangChain 的 @tool、LangGraph 的 add_node)定位工具与编排器。
    • conduit 识别:确定性规则识别已知库模式,外加一次有界 LLM 调用(Prompt P1,附录 A.1)补充规则遗漏的 conduit;规则集每个代码库构建一次后确定性应用,幻觉出的 conduit 匹配不到任何调用点。
    • 污点播种:每个 conduit 获得初始标签 τ(d) ∈ {PUBLIC, INTERNAL, SECRET};确定性规则按固定信任模型(外部通道 attacker-reachable、凭证来源为 secret)打标,LLM 可提出自己的标签,ACaM 在格 PUBLIC ⊑ INTERNAL ⊑ SECRET 上取两者较高者,LLM 只能升不能降。

    能力属性(Section 4.2)

    • 核心属性:固定目录 19 个属性(Table 2),分数据访问、外部可达、传播、LLM 交互四组;目录固定使智能体之间可直接比较。
    • 扩展属性:开放式、按智能体发现,由一次全组件 LLM 调用(Prompt P2)提出跨组件模式(如经共享状态的多跳外泄);提案只是问题,是否成立由后续分析填充。
    • 属性取值:除 output_taint_label 外均取 YES/NO/UNKNOWN,初始为 UNKNOWN;依赖其他组件时持有中间条件。

    静态分析引擎(Section 4.3)

    • 双轨道污点:exfiltration 轨(敏感数据是否到达 sink)与 injection 轨(不可信数据是否到达记忆、共享状态或 LLM 上下文)分开追踪,因为单一格会把 PUBLIC 与敏感数据合并、抹掉来源。
    • 字段敏感与调度:按字段追踪污点(同一字典不同 key 可不同敏感度);按 AFG 的 writer-to-reader 边用 Kahn 算法排序组件,单次前向传播、无全局不动点;组件写入比 conduit 种子更高的标签时提升该 conduit。
    • 输出:每个组件的 conduit 读写记录(含观察到的标签与写入者)、子进程跨界、隐式流守卫、PUBLIC 来源输出。

    护栏式能力填充(Section 4.4)

    • 结构 vs 语义属性:结构属性由事实直接决定(如读到 SECRET 标签 conduit 则 reads_secret 为 YES);语义属性(如 capability_escalation)需要理解代码含义,由 LLM 提供。
    • CONDITIONAL 语法:值可以是 v ::= YES ∣ NO ∣ UNKNOWN ∣ COND(φ) ∣ b ∨ COND(φ) ∣ b ∧ COND(φ),条件原子可问某组件属性是否为 YES、是否向 conduit 写入至少某标签或某具体值;依赖未决时记为条件,交由 IFC Fixpoint 解析。
    • SA → LLM → SA 三步:静态分析先锁定本组件事实能确立的值;然后每个组件一次 LLM 调用(Prompt P3)只填开放值,锁定值作为最终结果展示、LLM 不能改;最后静态分析重新推导机械可得值。每次 LLM 调用本地、单发、有界,非确定性被限制在语义残差内。

    IFC Fixpoint 与 ACPG(Section 4.5、4.6)

    • 单调不动点:值只从开放到确定(UNKNOWN 或条件变 YES/NO),已确定值不再改变,保证终止且不矛盾;每轮沿 conduit 传秘密、设输出标签、检查开放条件,一轮无变化即停,仍开放的条件置 UNKNOWN。
    • 收敛后计算:memory_poisoning_risk 按 AFG 可达性回答(针对间接注入,从工具读取的 PUBLIC conduit 出发沿 injection 轨到 LLM 节点);LLM 节点的属性从其调度的工具推导(writes_secret 等取工具并集,reads_secret 仅当某工具返回秘密)。
    • ACPG 与遍历:G = (VC, VD, E, λ, ψ),即 AFG 加上 conduit 的最终污点标签 λ 和组件的已解析能力模板 ψ;下游用确定性、模式引导的图遍历查询,无 LLM 参与,实现九个模式族(Table 11),覆盖秘密外泄、间接注入、代码执行等。

    实现与成功判定(Section 5、6.1)

    • 实现:Python 3.11,Scalpel v1.0b0 做 AST/CFG;支持 LangChain、LangGraph、Google ADK、CrewAI、DSPy 的锚点识别;默认 LLM 为 claude-sonnet-4-6、温度 0、结构化输出。
    • 下游任务判定:威胁链重建把每条链分解为 7 个事实(entry_tool、secret_variable、secret_read_function、injection_point、chain、exfil_boundary、exfil_function),按 (FULL + 0.5 × PARTIAL)/7 打分;结构漏洞识别由独立 verification agent(Prompt P4,Sonnet 4.6、温度 0)按每类标准判定真/假阳性,Critical 路径全部人工复核,部分发现做 PoC 利用验证。
  4. 论文做了哪些实验?

    三个 RQ:24 个标注智能体上 ACaM macro-F1 0.983;威胁链重建 0.980 比最强 LLM-only 基线高约 8 点;43 个真实智能体上发现 123 条 Critical 路径并做 10 个 PoC。

    实验设置

    • 语料:Discovery Corpus 含 43 个未修改的真实 GitHub 智能体,覆盖 LangChain、LangGraph、Google ADK、CrewAI、DSPy、直接 LLM SDK 六种实现风格,平均约 6.2 个工具,其中 9 个多智能体系统(Table 4)。
    • 标注子集:RQ1、RQ2 Part 1、RQ3 用 24 个智能体(10 个未修改 base + 14 个注入变体);变体按 OWASP ASI 分类注入 A1(秘密进工具返回值)、A2(工具内隐藏 HTTP POST)、A3(跨共享状态/子进程间接路由)三类外泄路径,工具描述保持不变,构成 capability laundering。
    • 真值:人工标注 19 个核心属性值(RQ1)和每条注入链的 7 个事实(RQ2 Part 1);扩展属性开放-ended,未标注。
    • 指标:RQ1 按六值分类(YES/NO/UNKNOWN/PUBLIC/INTERNAL/SECRET)算 per-class precision/recall/F1 并宏平均;RQ2 Part 1 用 7-fact 分数 (FULL + 0.5 × PARTIAL)/7。
    • 基线:ACaM-SA(去除全部 LLM 组件);Pysa(无桩 NS 与 TITO 桩 WS)、Semgrep(--config=auto,community 规则);LLM-only 在 Sonnet 4.6 与 Opus 4.8 上跑 6 种提示策略(RQ1)/3 种(RQ2 Part 1),每智能体取最优配置平均,记 LLM-only (best)。
    • ACaM 配置:默认 backbone claude-sonnet-4-6、温度 0;RQ3 换 Opus 4.8、Haiku 4.5 对比,15 次重复运行。

    主结果

    据 Table 5(24 个标注智能体,宏平均):

    表格较宽,可左右滑动

    SystemF1PrecRecAcc
    ACaM-SA0.9340.9470.9360.965
    LLM-only (best)0.8140.8310.8530.881
    ACaM0.9830.9800.9910.992
    • 作者解读:ACaM-SA 接近完整流程,因为多数核心属性可由结构事实直接决定,其差距主要在召回(0.936 vs 0.991),即没有 LLM 时更常漏掉存在的能力;语义属性无固定句法模式,是 SA-only 的主要短板。
    • 分组拆解:base 智能体上去掉 LLM 损失 3% F1(0.973 → 0.944),注入变体上损失 7%(0.993 → 0.923);作者称混合设计的最大收益恰在最难发现的能力上。
    • LLM-only 差距:Figure 4 显示该差距在全部 12 种配置上成立,换 Opus 无一致改进。

    威胁链重建(RQ2 Part 1,Figure 5、Table 13)

    • 结果:ACaM 均分 0.980;LLM-only Sonnet 0.903、Opus 0.888;SA 基线 Pysa NS 0.342、Semgrep 0.265、Pysa WS 0.225。
    • 例外:Pysa 加 TITO 桩反而更差(0.342 → 0.225),作者称 TITO 近似引入无法解析的噪声,LLM 边界必须显式建模而非近似。
    • per-fact 漏报(Figure 6):LLM-only 在 chain 事实上的漏报率为 40%,ACaM 为 7%;其余六个事实 LLM 漏报 0%–14%、ACaM 0%–5%。作者称 LLM 能命名源头和 sink 但丢失中间跳,ACaM 通过能力图结构追踪链。

    结构漏洞识别(RQ2 Part 2,Table 6、Table 7)

    • 规模:43 个未修改智能体上,验证后确认 107 条 Code Execution/RCE、16 条 Secret/Credential Exposure(均 Critical),以及 1,692 条 Indirect Prompt Injection、64 条 SQL Injection、15 条 Access Control/IDOR 等中高危路径,合计约 1.8K 条中高危;去重前验证 agent 确认 99.4% 的 High 和 98.4% 的 Medium 候选。
    • 人工复核与 PoC:全部 123 条 Critical 路径经人工确认存在于代码中;为 9 个智能体的 10 个 Critical/High 发现开发了 PoC(Table 7),6 个达成任意代码执行(in-process REPL、反序列化、write-then-exec 三类);P1–P4 仅核心属性可检出,P5–P8 需扩展属性,P9–P10 仅扩展属性。
    • 假阳性分布:两个智能体占全部 FP 的 85%,作者归因于这两个智能体特有的过宽 conduit 分类规则;最大单一 FP 来源是把内部文件读取当作间接注入向量(TM-A 下多为开发者控制文件,TM-B 下则是真实路径)。
    • 骨干模型与 PoC:全部利用以 qwen2.5:7b 为骨干成功,除 P9 外均首次尝试成功;Claude Haiku 4.5 挡住了直接尝试,但十个利用在更委婉措辞下全部成功。作者称部分利用(如 P4、P5 反序列化)不依赖 LLM 行为,安全训练无法阻止。

    其他消融与分析

    • 运行稳定性(RQ3):Sonnet 4.6 下 15 次运行,仅 0.5%–2% 的属性值在运行间变化。
    • backbone 替换(Table 8,24 智能体、15 次运行均值):Sonnet 4.6 F1 0.983($0.769)、Opus 4.8 F1 0.982($0.863)、Haiku 4.5 F1 0.952($0.743);作者称静态接地而非模型档位是准确性的主要驱动。
    • 成本(Table 9):ACaM 每智能体 $0.769、57 秒(均值);核心属性 $0.489,扩展属性加 $0.280;LLM-only 平均 $0.424、112 秒;ACaM-SA $0、5 秒。
    • LLM-only 找真实漏洞:作者报告其能定位合理的 source 和 sink,但不能可靠重建端到端链,且倾向于停在找到的第一条路径。
  5. 有什么可以进一步探索的点?

    作者列出 Python 范围、静态引擎保守性等局限,并提出 ACPG 的多个未来应用;评测覆盖 43 个 Python 智能体和人工注入变体。

    作者指出的局限与后续方向

    • Python 范围(Section 7):ACaM 只分析 Python 源码;AST 前端、框架锚点检测器和库调用 conduit 规则是 Python 特异的,移植到 TypeScript 等语言是 near-term future work。
    • 静态引擎保守性(Section 7):引擎按最坏情况能力面建模——任何工具的输出污染 LLM 上下文后,LLM 可达的每个工具都被当作可能读者;sanitizer 只记录不用来降低污点标签;这些选择会增加假阳性(作者称评测中出现很少)。
    • 运行时构造的文件路径(Section 7):路径在运行时拼接时引擎无法确定文件名,这类读取默认标 INTERNAL,可能造成假阴性。
    • ACPG 的未来应用(Section 7):最小权限策略合成、为运行时 enforcement 机制提供策略输入、与工具描述配对做更细粒度的不一致检查、叠加多个智能体的 ACPG 建模分布式多智能体系统。
    • 间接提示注入(Section 6.3.2):作者称提示没有数据与指令的边界,Indirect Prompt Injection "remains open by construction",解决它超出本文范围,ACaM 只检测暴露面,消毒选择留给开发者。

    实验覆盖范围

    • 被测对象为 43 个真实 Python 智能体(6 种实现风格、5 个框架加直接 SDK,9 个多智能体系统),RQ1/RQ3 用其中 24 个手工标注智能体。
    • 注入变体为人工构造的 14 个,覆盖 OWASP ASI 的 A1/A2/A3 三类外泄路径;作者称这些变体参照了已披露的先例(Bing Chat、M365 Copilot 案例及 LangChain CVE)。
    • 验证方式:Critical 路径全部人工复核(123 条),10 个发现做了 PoC 利用验证(本地部署、合成数据);High/Medium 候选由 Sonnet 4.6 verification agent 判定,论文未报告该验证 agent 判定与人工的一致性。
    • LLM 组件:backbone 评测覆盖 Sonnet 4.6、Opus 4.8、Haiku 4.5 三档;PoC 用 qwen2.5:7b 和 Claude Haiku 4.5 两个骨干,未升级到 Sonnet 或 Opus(作者称模式是架构性的而非模型特异的)。
    • 重复次数:RQ3 每配置 15 次运行;RQ1/RQ2 主结果论文未说明重复次数。
  6. 总结一下论文的主要内容

    ACaM 用神经符号方法从代码构建智能体能力图,解决工具描述掩盖危险能力的问题,在标注集上达 0.983 macro-F1 并在真实智能体中发现 123 条 Critical 路径。

    一篇面向智能体系统的部署前静态分析论文,针对 Description-Code Inconsistency(DCI)导致的 capability laundering:工具实现含有其描述未声明的危险能力,LLM 编排器只看描述,正常调用即触发。

    • 问题:现有防御多在运行时;经典静态分析没有 LLM/工具边界概念;DCI 类检测逐工具进行,看不到跨工具组合出的威胁链。
    • 方法:ACaM 分五阶段——构建 Agent Flow Graph 并播种污点、实例化 19 个核心属性加 LLM 发现的扩展属性、静态分析引擎做双轨道(exfiltration/injection)字段敏感污点传播、护栏式填充(SA → LLM → SA,LLM 不能推翻静态事实)、IFC Fixpoint 单调解析跨组件条件,产出 Agent Capability Property Graph(ACPG);下游用确定性模式遍历做威胁链重建和结构漏洞识别。
    • 结果一(RQ1):24 个手工标注智能体上 macro-F1 0.983,高于 ACaM-SA 的 0.934 和 LLM-only 最优配置的 0.814(Table 5)。
    • 结果二(RQ2 Part 1):14 个注入变体上威胁链重建均分 0.980,比最强 LLM-only 基线(Sonnet 0.903)高约 8 个点,SA 基线均不超过 0.342(Figure 5);LLM 在 chain 事实上漏报 40%,ACaM 为 7%。
    • 结果三(RQ2 Part 2):43 个未修改真实智能体上确认 123 条 Critical 路径(107 条代码执行/RCE、16 条凭证暴露)和约 1.8K 条中高危路径;10 个发现完成 PoC 利用验证,6 个为任意代码执行,其中反序列化 RCE 不需要任何 LLM 决策。
    • 结果四(RQ3):15 次运行间仅 0.5%–2% 属性值变化;Haiku 4.5 作 backbone 时 F1 0.952,仍高于 LLM-only 最优的 0.814,作者称静态接地是准确性的主要驱动;每智能体成本 $0.769、57 秒。
    • 作者结论:静态分析提供结构精度、LLM 提供语义解释,混合设计超过任一单独组件;作者认为许多运行时才能抓的问题本可在部署前发现,ACPG 还可支撑最小权限策略合成等未来应用。局限包括仅支持 Python、引擎保守建模可能带来假阳性、运行时构造路径可能漏报。
阅读原文arxiv.org