🤖 AI

AgenticRepair: Multi-Faceted Program Context Engineering for Agentic Vulnerability Repair

AgenticRepairは、プログラムのコンテキストにおける極めて重要かつこれまで見落とされてきた3つの側面、すなわちコード構造、実行時挙動、およびコミット履歴をエンジニアリングして修復プロセスに統合することにより、自動脆弱性修復の成功率を73%へと大幅に向上させるマルチエージェントフレームワークである。

原著者： Michael Fu, Qiyue Mei, Patanamon Thongtanunam, Kla Tantithamthavorn

公開日 2026-08-03

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Michael Fu, Qiyue Mei, Patanamon Thongtanunam, Kla Tantithamthavorn

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

インターネットを、すべてがコードで構成された、巨大で賑やかな都市だと想像してみてください。この都市では、ソフトウェアはインフラストラクチャ、つまり橋、信号機、送電網のようなものであり、すべてを機能させ続けています。しかし時として、これらの構造物の設計図には、目に見えないほど小さな、微細な亀裂が入ることがあります。これらは「脆弱性」と呼ばれます。単に車の速度を落とすだけの路面の窪みとは異なり、コードの亀裂は、泥棒が忍び込み、データを盗み、あるいは都市全体を停止させてしまう原因となります。何十年もの間、これらの亀軽を直すことは、エリート・セキュリティ・エンジニアたちの仕事でした。彼らは、まるで探偵兼外科医のように、コードの山を丹念に調べ、どこで建物が崩壊するかを確認するための特別なテストを実行し、そもそもどのようにしてミスが発生したのかを知るために古いログを調査します。これは時間がかかり、消耗する作業であり、たった一つの穴を塞ぐだけでも数ヶ月を要することがよくあります。

近年、科学者たちはコンピュータに、こうした探偵兼外科医のように振る舞うよう教え始めています。彼らは「AIエージェント」を使用します。これは、コードを読み、テストを実行し、さらには自律的にファイルを書き換えることさえできる、賢いソフトウェアプログラムです。これらのエージェントを、人間のエキスパートよりも速く動ける「ジュニア・インターン」だと考えてください。しかし、彼らは人間が気づくような微妙な手がかりを見逃してしまうことがよくあります。彼らはタイポ（打ち間違い）は直せても、建物全体の土台が不安定であるという事実を見逃してしまうかもしれません。研究者たちが投げかけている大きな問いは、「どうすれば、これらのAIインターンに一流の人間エキスパートのように考えさせることができるのか？」ということです。「どうすれば、彼らが単に推測するのではなく、なぜセキュリティ上の欠陥が存在するのかという、深く複雑な理由を真に理解できるように、適切な『ツール』や『背景知識』を与えることができるのか？」という問いです。

ここで、AgenticRepairと呼ばれる新しい研究が登場します。オーストラリアの大学の研究チームは、問題はAIの知能が足りないことではなく、適切な「コンテキスト（文脈）」が与えられていないことにあると考えました。水圧が高すぎるのか、パイプが錆びているのか、あるいは配管工が間違った部品を使って設置したのかを知らずに、蛇口の漏れを直そうとしている状況を想像してみてください。チームは、スーパーパワーを備えた探偵チームのように機能する新しいシステムを構築しました。一つのAIがすべてをやろうとするのではなく、メインの修復AIが作業を開始する前に、3つの特定のタイプの手がかりを集めるための、3人の特化した「ミニAI」からなる分隊を作り上げたのです。

第一に、「構造エージェント（Structure Agent）」は、建築家が設計図をチェックするように、コードがどのように構築されているかを確認します。例えば、二つのパイプが本来あるべきではない方法で同じスペースを共有していないかといったことです。第二に、「ランタイム・エージェント（Runtime Agent）」は、クラッシュテスト用のダミー人形のように、実際にソフトウェアを実行して、具体的にどこでどのように壊れるのかを確認し、探偵がパン屑の跡を追うようにメモリを追跡します。第三に、「ヒストリー・エージェント（History Agent）」は、プロジェクトの古いログを掘り起こし、脆い設計がいつ、なぜ導入されたのかを知るために、元の建設者たちの日記を読む歴史家の役割を果たします。

これら3つのエージェントが手がかりを集めると、それらは第四の「修復エージェント（Repair Agent）」に引き渡されます。このエージェントは、完璧な修正案を書くために必要なすべての情報を手にしています。チームはこのシステムを、人気のあるソフトウェアプロジェクトから派生した300個の実世界のセキュリティホールを含む、SEC-Benchと呼ばれる大規模なチャレンジでテストしました。その結果は目覚ましいものでした。AgenticRepairは、脆弱性の73%（300個中220個）の修復に成功したのです。これは、約**34%**しか修正できなかった従来の最高水準のAI手法と比較して、大幅な飛躍です。

さらに素晴らしいことに、システムは単に運が良かっただけではありませんでした。研究者たちは、何がこれほどまでの成功をもたらしたのかを確かめるために実験を行いました。彼らは、これら3種類のヒント（構造、ランタイム、履歴）が、まるで「三本脚の椅子」のようなものであることを見出しました。もし一つでも取り除けば椅子はぐらつきますが、三本すべてがあれば非常に堅牢になります。また、特化したエージェントによるチーム体制の方が、単一のAIがすべてを一人で行おうとするよりもはるかに優れていることも発見しました。実際、プロセス全体を単一のエージェントで実行しようとしたところ、成功率はほぼ半分にまで急落しました。

この研究は、複雑なセキュリティホールを修正する秘訣は、単にAIをより賢くすることではなく、AIが見る「コンテキスト」をエンジニアリングすることにあると示唆しています。AIに、人間のセキュリティ・エンジニアが用いるような深く多層的な理解を与えることで、システムは以前は機械には難しすぎた問題を解決できるようになります。このシステムはまだ完璧ではなく、修正案が乱雑すぎたり、ルールに完全には適合しなかったりするために、依然として約27%のケースで苦戦していますが、チームベースのアプローチと特化したコンテキストを用いることが、勝利への戦略であることを証明しています。これは、サイバーセキュリティという極めて重要な世界において、最善の解決策とは、単に壊れた部分を見るのではなく、物語の全体像を理解することから生まれるということを思い出させてくれます。

技術要約: AgenticRepair: エージェンティックな脆弱性修復のための多面的なプログラム・コンテキスト・エンジニアリング

問題提起

自動化された脆弱性修復は、トリアージ報告書で特定されたセキュリティ上の欠陥を修正するために必要な時間と労力を削減することを目指している。近年のエージェンティックAIのアプローチは、一般的なプログラム修復において有望な成果を示しているが、セキュリティ脆弱性に関しては苦戦している。通常のバグとは異なり、セキュリティ上の欠陥は、微妙な低レベルの相互作用、ファイル間を跨ぐデータフロー、および脆弱な履歴コードパターンに起因することが多い。既存のエージェンティック修復フレームワークは、主に一般的なバグ向けに設計されており、ファイルのナビゲーション、コードの検索、およびコンパイラやテストによるフィードバックに依存している。これらは、人間のセキュリティエンジニアが日常的に構築しているような、豊かなセキュリティ特化型のプログラム・コンテキストを組み立てるメカニズムを欠いている。すなわち、コード構造コンテキスト（ファイル間データフロー、メモリパターン）、実行時実行コンテキスト（クラッシュのセマンティクス、メモリの起点）、およびコミット履歴コンテキスト（脆弱なコードの進化パターン）である。このギャップが、エージェントによる複雑でマルチファイルに及ぶ脆弱性の正確な診断と修復を妨げている。

手法: AgenticRepair フレームワーク

著者らは、多面的なプログラム・コンテキスト・エンジニアリングを具現化した、最初のエージェンティック脆弱性修復フレームワークである AgenticRepair を提案する。このフレームワークはタプル $\langle V, E, A, C, P \rangle$ として定義され、2つの主要なフェーズで動作する：

1. 多面的なプログラム・コンテキスト・エンジニアリング

3つの特化したサブエージェントが、サンドボックス環境内で並行して動作し、入力された脆弱性の説明とサニタイザ・レポート（ $V$ ）に基づいて、異なるコンテキストの側面をエンジニアリングする：

コード構造サブエージェント ( $A_{struct}$ ): セマンティックなコード解析を実行し、データフロー関係、汚染伝播パス、制御フロー依存関係、および脆弱なメモリ操作パターンを抽出する。これにより、構造的な懸念事項と修正の方向性を記述した構造化された表現を合成する。
実行時実行サブエージェント ( $A_{exec}$ ): 動的インストルメンテーション（例：AddressSanitizer、Valgrind）の下で再現ハーネスを起動し、クラッシュのシグネチャ、スタックバックトレース、メモリアクセス違反、および異常な実行状態をキャプチャする。これらを运行时の洞察と修正案へと圧縮する。
コミット履歴サブエージェント ( $A_{hist}$ ): 脆弱なコミットに先立つバージョン管理履歴をマイニングし、進化のパターンを再構成する。関連するコミットメタデータ、コード変更の要約、および歴史的な変更コンテキストを抽出し、脆弱性の起源を特定する。

これら3つの部分的なコンテキスト（ $C_{struct}, C_{exec}, C_{hist}$ ）は、統一された多面的なプログラム・コンテキスト ( $C$ ) へと合成される。

2. エンジニアリングされたコンテキストによるパッチ合成

専用の修復サブエージェント ( $A_{repair}$ ) が反復的に動作する。統一されたコンテキスト $C$ は、エピソード記憶ウィンドウに永続的に埋め込まれ、エージェントの決定が表面的なコードではなく、エンジニアリングされた理解に基づいていることを保証する。

エージェントは、合成・検証ループに入る：最小限の候補パッチ（ $P$ ）を生成し、リポジトリに適用し、プロジェクトを再ビルドし、ハーネスを再実行する。
サニタイザが違反を報告しなくなるまで、検証結果についての内省を同一のメモリウィンドウ内で行い、脆弱性の排除が成功したことを確認する。

本システムは smolagents ライブラリを使用して実装されており、サブエージェントが入力に対して推論し、ドメイン固有のツール（例：CodeQL、GDB、PyDriller）を呼び出し、結果を内省する ReAct (Reasoning-Action) パラダイムを利用している。

主な貢献

AgenticRepair フレームワーク: 拡張されたコンテキスト的プログラムの洞察（コード構造、実行時の振る舞い、リポジトリの履歴）を自動化された修復パイプラインに明示的に統合した、最初のエージェンティック脆弱性修復フレームワーク。
SEC-Bench による評価: 隔離されたDocker環境にホストされ、サニタイザチェックによって検証された300の現実世界のC/C++脆弱性インスタンスのベンチマークであるSEC-Benchを用いた包括的な評価。
アブレーション研究: 多面的なコンテキスト、マルチエージェント・スキャフォールディング、およびベースモデルの能力の寄与を定量化する広範な分析。
オープンな再現性: 実行ログ、軌跡、およびすぐに実行可能な実装を含む、すべての実験アーティファクトの提供。

実験結果

サニタイザに基づく厳格な検証を伴う300のインスタンスのSEC-Benchベンチマークで評価：

全体的なパフォーマンス: AgenticRepairは73%の成功率（220/300）を達成し、SEC-Benchリーダーボードで第1位となった。
比較: 最も強力なベースライン（GPT-5.2を用いたSmolagents）を29%（44.7% 対 73.3%）大幅に上回った。また、200のCVEソース・インスタンスにおいて、OpenHands、SWE-Agent、およびAiderを41〜52%上回った。
クロスファイル能力: 特筆すべきことに、40% の成功した修復が複数ファイルにまたがる編集を伴っており、単一ファイルのアプローチが見逃してしまう複雑なクロスファイル・セキュリティ問題に対処できる本フレームワークの能力を示している。
アブレーションによる洞察:
- コンテキストの相補性: いずれか一つのコンテキストの側面（構造、実行、または履歴）を削除しても、軽微な性能低下（−0.5% 〜 −2.0%）しか見られず、各側面が互いに補完的であることを示している。
- マルチエージェント・スキャフォールディング: マルチエージェント構成を単一のエージェントに置き換えると、44.5% の急激な低下を招き、認知負荷を分散させる必要性を浮き彫りにした。
- ベースモデルの容量: 小規模なモデルでは性能が著しく低下した（GPT-5-Miniで−25%、GPT-5-Nanoで−65%）、これはエンジニアリングされたコンテキストを推論するために有能なベースモデルが必要であることを裏付けている。

意義と主張

本論文は、多面的なプログラム・コンテキスト・エンジニアリングが、エージェンティックな脆弱性修復を進展させるための鍵となる設計原則であると主張している。セキュリティエンジニアが脆弱性を診断する方法（構造、実行時、および履歴の組み立て）と、エージェンティックAIがプログラム理解を組み立てる方法との間のギャップを埋めることで、AgenticRepairは複雑なセキュリティ上の欠陥の正しいかつ安全な修復を可能にする。著者らは、これらのコンテキストの側面を意図的にエンジニアリングすることと、マルチエージェント・スキャフォールディングを組み合わせることが、一般的なバグ修復を超えて効果的なセキュリティ脆弱性の修復を実現するために不可欠であると結論付けている。結果は、将来のエージェンティック修復システムが、高い成功率を達成するためには、単純なツールの実行を超えて、構造化された多次元的なプログラム解析を取り入れる必要があることを示唆している。