NAVRepair: Node-type Aware C/C++ Code Vulnerability Repair

深度学习的快速发展导致了大型语言模型（LLMs）的发展。在漏洞修复领域，先前的研究利用了基于规则的修复、预训练模型和LLM的提示工程。然而，现有方法在代码结构与错误类型的集成方面存在局限性。此外，由于C/C++语言的某些特性，C/C++漏洞修复非常具有挑战性。为了解决这些挑战，我们提出了NAVRepair，这是一个新颖的框架，它将从抽象语法树（ASTs）中提取的节点类型信息与错误类型相结合，专门针对C/C++漏洞。具体而言，我们的方法采用类型分析来定位最小编辑节点（MEN），并根据不同的错误类型定制上下文信息收集。在离线阶段，NAVRepair解析代码补丁以定位MEN，并设计规则来提取每个MEN类型的相关上下文信息。在在线修复阶段，它分析可疑代码，将其与从通用弱点枚举（CWE）中导出的漏洞类型模板相结合，并生成有针对性的修复提示。我们在多个流行的LLMs上评估了NAVRepair，并展示了其在提高代码漏洞修复性能方面的有效性。值得注意的是，我们的框架独立于任何特定的LLMs，并且可以快速适应新的漏洞类型。广泛的实验验证了NAVRepair在帮助LLMs准确检测和修复C/C++漏洞方面取得了出色的结果。与现有的基于LLMs的C/C++漏洞修复方法相比，我们的方法的准确率提高了26％。我们相信，我们的节点类型感知方法具有增强实际C/C++代码安全性的应用前景。

NAVRepair旨在解决C/C++代码漏洞修复中的结构和错误类型集成问题，提出了一种基于AST的节点类型感知框架。

NAVRepair使用类型分析定位最小编辑节点（MEN），并根据不同的错误类型定制上下文信息收集规则，结合CWE漏洞类型模板生成定向修复提示。

NAVRepair在多个流行的LLM上进行了评估，并证明了其在提高代码漏洞修复性能方面的有效性。该框架独立于任何特定的LLM，并可以快速适应新的漏洞类型。

近期相关研究包括基于规则的修复、预训练模型和LLM的提示工程等。