Your Location：
Home >
Browse articles >
大语言模型增强的静态分析警报概率模型
常规文章 | Updated：2025-11-18

    • 大语言模型增强的静态分析警报概率模型

      Enhanced Publication

    • Large language model-enhanced probabilistic modeling for effective static analysis alarms

    • “在静态分析领域，BinLLM是一个突破性的框架，它利用大型语言模型来完善警报概率模型。通过结合LLM衍生的抽象规则，BinLLM增强了模型的推理能力，从而更有效地对真正的错误进行优先级排序，并减少了错误的泛化。这一进步大大减少了报警验证所需的检查次数，为改进静态分析中的报警管理提供了新的方向。”
    • Frontiers of Information Technology & Electronic Engineering   2025年26卷第10期 页码：1926-1941

    • DOI：10.1631/FITEE.2500038    

      中图分类号： TP311.53;TP183

    • 收稿：2025-01-16，

      修回：2025-04-14，

      纸质出版：2025-10

    Scan QR Code

  • 潘鑫龙, 李建华, 周志洪, 等. 大语言模型增强的静态分析警报概率模型[J]. Frontiers of Information Technology & Electronic Engineering, 2025,26(10):1926-1941. DOI： 10.1631/FITEE.2500038.

    Xinlong PAN, Jianhua LI, Zhihong ZHOU, et al. Large language model-enhanced probabilistic modeling for effective static analysis alarms[J]. Frontiers of Information Technology & Electronic Engineering, 2025, 26(10): 1926-1941. DOI： 10.1631/FITEE.2500038.

  •  
  •  

0

浏览量

139

Downloads

0

CSCD

PlumX

>
文章被引用时，请邮件提醒。
Submit
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

Discovering optimal features using static analysis and a genetic search based method for Android malware detection
A survey of malware behavior description and analysis
A novel multimode process monitoring method integrating LDRSKM with Bayesian inference*

相关作者

Ahmad FIRDAUS
Nor Badrul ANUAR
Ahmad KARIM
Mohd Faizal Ab RAZAK
喻波
方莹
杨强
唐勇

相关机构

马来西亚大学计算机系统与技术学院
马来西亚彭亨大学计算机系统与软件工程学院，马来西亚甘孟市
信息技术学院巴哈丁扎卡里亚大学
国防科技大学计算机学院
National Laboratory of Industrial Control Technology, Zhejiang University
0