【综述】大规模语言模型用于漏洞检测与修复：文献综述与未来研究方向

论文标题：

大规模语言模型用于漏洞检测与修复：文献综述与未来研究方向

这篇论文的标题是《Large Language Model for Vulnerability Detection and Repair: Literature Review and the Road Ahead》，作者包括Xin Zhou、Sicong Cao、Xiaobing Sun和David Lo。其中，Xin Zhou和David Lo来自新加坡管理大学（Singapore Management University）的计算与信息系统学院（School of Computing and Information Systems），Sicong Cao和Xiaobing Sun来自中国扬州大学（Yangzhou University）的信息工程学院（School of Information Engineering）。
2024年4月6日提交到arXiv预印本服务
https://ar5iv.labs.arxiv.org/html/2404.02525

摘要：

论文系统性地回顾了大规模语言模型（LLMs）在软件工程中漏洞检测和修复任务中的应用，分析了2018年至今的36篇文献，涵盖了相关研究的模型、适应技术及面临的挑战。论文提出了三个主要研究问题，并指出未来的研究机会。漏洞检测和修复是软件安全领域的重要任务，传统方法往往存在误报率高和难以应对多样化漏洞的缺点。近

1. 引言：

介绍了软件漏洞的危害性及自动化检测和修复的必要性。传统方法存在误报率高、难以应对多样化漏洞的问题。LLM因其在自然语言和软件工程任务中的成功，成为提升漏