REVA实时漏洞检测论文发表

2026年10月27日，Amine Lbath和Massih-Reza Amini在arXiv平台发布编号为2610.35829的论文，正式提出基于大语言模型上下文探测的实时漏洞检测器REVA。该研究旨在解决传统智能体检测器效率低下的痛点，通过创新架构将安全上下文与代码理解组件整合至LLM的单次前向传播过程中，从而实现对新函数的实时筛选。 在针对GLM-5.3-Flash模型的实测中，REVA在PrimeVul测试集上取得了60.0%的准确率，单函数处理耗时约为1秒。对比数据表明，REVA的运行速度比最先进的智能体检测器VulTriage快250倍，且单次检测成本不足后者的十分之一。这一结果验证了REVA在平衡检测精度、速度与成本方面的显著优势，为实时代码安全分析提供了新的技术路径。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。