🤖 AI
AVIATOR: Towards AI-Agentic Vulnerability Injection Workflow for High-Fidelity, Large-Scale Code Security Dataset
本文提出了 AVIATOR，这是首个基于 AI 智能体协同工作流的漏洞注入框架，它通过模拟专家推理、结合检索增强生成与微调技术，实现了高保真、大规模且覆盖广泛的漏洞注入，显著提升了下游深度学习漏洞检测模型的性能。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
这篇论文介绍了一个名为 AVIATOR 的新系统。为了让你轻松理解，我们可以把软件安全比作建造一座巨大的城市（软件系统），而漏洞就是城市里隐藏的陷阱或结构缺陷（比如没装护栏的桥、容易着火的电线）。
现在的挑战是：我们需要训练“安全侦探”（AI 模型）来找出这些陷阱。但是，要训练侦探，我们需要大量的“陷阱样本”作为教材。
1. 以前的困境：教材要么太假，要么太乱
- 人工制造（合成数据）： 就像为了教人认陷阱，我们故意在纸上画几个简单的坑。这很干净，但和真实城市里复杂的陷阱（比如藏在地下室、连着复杂电路的陷阱）完全不一样。侦探学会了认纸上的坑，到了真实城市就抓瞎了。
- 从旧城挖掘（真实数据）： 我们从旧城市里找那些已经出过事故的地点。但这有个大问题：记录往往很乱，有时候把“没装护栏”误记为“电线老化”，标签不准，甚至有很多误报。
- 自动注入（以前的 AI 方法）： 以前的 AI 试图在好代码里“制造”漏洞。但它们要么只会做简单的“单句修改”（比如把
if改成while），要么为了追求数量牺牲了质量，造出来的漏洞很假，或者根本造不出来。
2. AVIATOR 的解决方案：组建一个“专家特工队”
AVIATOR 的核心创新在于，它不再让一个 AI 单打独斗，而是组建了一个由多个 AI 特工组成的“特工队”（AI Agentic Workflow）。这就像雇佣了一个由不同专长的专家组成的团队，来模拟人类安全专家思考的过程。
这个团队的工作流程是这样的：
- 🕵️♂️ 侦探（代码理解特工）： 先读代码，搞清楚这段代码是干嘛的，数据是怎么流动的。就像侦探先熟悉地形。
- 📚 档案员（信息加载特工）： 查阅资料，搞清楚我们要制造哪种特定的漏洞（比如“缓冲区溢出”）。
- 🔍 找茬专家（漏洞定位特工）： 在代码里寻找哪里最脆弱，或者哪里原本有防护，我们可以“偷偷”把防护撤掉。
- 🛠️ 施工队（漏洞注入特工）： 这是核心。它利用RAG（检索增强生成）技术，就像施工队手里拿着“真实事故案例库”，参考真实的破坏方式，在代码里精准地植入漏洞，而不是胡乱改几个字。它还经过微调（LoRA），变得非常专业。
- 👮♂️ 质检员（验证与修正特工）： 这是 AVIATOR 最厉害的地方。施工队做完后，质检员会立刻检查：
- 改得是不是太假了？（比如只改了个空格）
- 代码还能跑吗？（语法对不对）
- 漏洞真的存在吗？（用静态分析工具跑一遍）
- 如果不合格，自动打回重做，直到完美为止。
3. 为什么它这么强？（比喻版）
- 像人类专家一样思考： 以前的 AI 像是一个只会背公式的学生，遇到复杂情况就懵了。AVIATOR 像是一个经验丰富的老工程师，他会先分析、再动手、最后反复检查。
- 不仅仅是“改代码”： 它能处理非常复杂的漏洞（比如涉及内存管理、指针错误的），而不仅仅是简单的语法错误。它支持的漏洞类型（CWE）从以前的 23 种增加到了133 种。
- 自我纠错： 如果第一次没造好，它不会放弃，而是像人类一样，根据反馈调整策略，直到造出一个逼真的漏洞。
4. 结果如何？（成绩单）
- 造得真： 在三个不同的测试标准中，AVIATOR 造出的漏洞有 91% - 95% 是真实有效的。这比以前的任何方法（VGX 约 90%，VulScribeR 约 80%）都要高。
- 教得好： 用 AVIATOR 造出来的数据去训练“安全侦探”（深度学习模型），侦探的破案率（F1 分数）比用其他数据训练提高了 20% 以上。这意味着它提供的教材质量极高，让侦探学得更扎实。
- 不偏科： 它造出的漏洞分布非常自然，没有刻意偏向某一种类型，这让侦探能应对各种真实世界的复杂情况。
- 又便宜又快： 虽然它很聪明，但成本却比使用昂贵商业大模型（如 VulScribeR）的方法低了 4.3 倍，而且生成的代码几乎都能直接运行（语法错误率低于 2%）。
总结
AVIATOR 就像是一个不知疲倦、拥有顶级专家团队的“漏洞制造工厂”。它不再盲目地制造假漏洞，而是通过分工合作、反复验证，制造出高度逼真、种类繁多且质量极高的漏洞样本。
这不仅解决了“好教材难找”的问题，还让未来的 AI 安全系统变得更聪明、更可靠，能更好地保护我们的数字世界。简单来说，它让 AI 学会了如何像黑客一样思考，从而更好地保护系统。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。