提出REVA方法：探测LLM内部表征实时检测漏洞

Amine Lbath 与 Massih-Reza Amini 发布论文，提出 REVA（REal-time Vulnerability Analysis）漏洞检测方法：将智能体漏洞检测器所依赖的安全上下文与代码理解压缩进 LLM 单次前向传播，为每个新函数提供预计算的模块威胁模型、轻量静态分析结果与调用图信息，并用训练好的探针读取 LLM 内部表征。 论文称，在 PrimeVul 的 held-out 测试集上，REVA 搭配 GLM-5.3-Flash 达到 60.0% 准确率，每个函数约需一秒；与在同一 LLM 上运行的、当时最先进的智能体检测器 VulTriage（59.2%）表现相当，但速度快 250 倍以上、成本不到其十分之一。这些为论文作者的实验结论，尚属其自称结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。