업데이트로 돌아가기
UpdatedAug 31, 2026

Awesome-LLMs-for-Vulnerability-Detection — Updated!

커뮤니티에서 가장 포괄적이고 지속적으로 업데이트되는 대규모 언어 모델(LLM) 기반 소프트웨어 취약점 탐지 연구 인덱스 — 함수 수준, 저장소 수준, 에이전트 기반, 스마트 계약 탐지에 이르는 논문과 데이터셋, 벤치마크, 설문 조사를 포함합니다.

공유

취약점 탐지를 위한 Awesome 대규모 언어 모델

취약점 탐지 및 발견에 LLM을 활용하는 것에 관한 논문, 프로젝트, 에이전트 스킬의 엄선된 목록입니다.


📄 논문

2025년 이후 자료만 표시합니다. 이전 작업은 논문 아카이브 (2024년 및 이전)를 참조하세요.

제목게재처연도논문Github
VulnGym: Benchmarking Coding Agents for Repository-Level Vulnerability Detection2026linklink
VulTriage: Triple-Path Context Augmentation for LLM-Based Vulnerability Detection2026linklink
Synthesizing Multi-Agent Harnesses for Vulnerability Discovery2026linklink
QRS: A Rule-Synthesizing Neuro-Symbolic Triad for Autonomous Vulnerability Discovery2026link
Seclens: Role-specific Evaluation of LLM's for security vulnerablity detection2026linklink
Do Fine-Tuned LLMs Understand Vulnerabilities? An Investigation into the Semantic Trap2026link
Sifting the Noise: A Comparative Study of LLM Agents in Vulnerability False Positive FilteringISSTA2026link
AgenticSCR: An Autonomous Agentic Secure Code Review for Immature Vulnerabilities Detection2026link
LLM-based Vulnerability Detection at Project Scale: An Empirical Study2026link
MulVul: Retrieval-augmented Multi-Agent Code Vulnerability Detection via Cross-Model Prompt Evolution2026link
VulInstruct: Teaching LLMs Root-Cause Reasoning for Vulnerability Detection via Security SpecificationsFSE2026linklink
VulnLLM-R: Specialized Reasoning LLM with Agent Scaffold for Vulnerability Detection2025link
VULPO: Context-Aware Vulnerability Detection via On-Policy LLM Optimization2025link
From Large to Mammoth: A Comparative Evaluation of Large Language Models in Vulnerability DetectionNDSS2025link
Benchmarking LLMs and LLM-based Agents in Practical Vulnerability Detection for Code RepositoriesACL2025linklink
A Systematic Literature Review on Detecting Software Vulnerabilities with Large Language Models2025linklink
LLMxCPG: Context-Aware Vulnerability Detection Through Code Property Graph-Guided Large Language ModelsUsenix2025linklink
CLeVeR: Multi-modal Contrastive Learning for Vulnerability Code RepresentationACL Findings2025linklink
Mono: Is Your "Clean" Vulnerability Dataset Really Solvable? Exposing and Trapping Undecidable Patches and Beyond2025linklink
Learning to Focus: Context Extraction for Efficient Code Vulnerability Detection with Language Models2025link
SV-TrustEval-C: Evaluating Structure and Semantic Reasoning in Large Language Models for Source Code Vulnerability AnalysisSP2025linklink
SecVulEval: 실제 환경의 C/C++ 취약점 탐지를 위한 LLM 벤치마킹2025linklink
CVE-Bench: LLM 기반 소프트웨어 엔지니어링 에이전트의 실제 CVE 취약점 수정 능력 벤치마킹NAACL2025linklink
R2Vul: 강화 학습과 구조화된 추론 증류를 통한 소프트웨어 취약점 추론 학습2025linklink
LLM이 생성한 취약점 패턴을 활용한 신경-기호 정적 분석2025link
대규모 언어 모델 기반 컨텍스트 강화 취약점 탐지2025link
LLM 기반 취약점 탐지에 대해 알고 싶었지만 묻기 두려웠던 모든 것2025linklink
MOS: 대규모 언어 모델의 전문가 혼합(Mixture-of-Experts) 튜닝을 통한 효과적인 스마트 컨트랙트 취약점 탐지2025link
풍부한 모달리티는 더 많은 영양분을 제공한다: 멀티모달 기반 함수 수준 취약점 탐지TOSEM2025linklink
스마트 컨트랙트 취약점 탐지에서의 생성형 대규모 언어 모델 활용2025link
격차 해소: IDE 내 AI 기반 취약점 탐지 및 수정의 실제 유용성에 관한 사용자 연구ICSE2025linklink
코드 언어 모델을 이용한 취약점 탐지: 우리는 얼마나 왔는가?ICSE2025linklink
직관적인 스마트 컨트랙트 감사를 위한 파인튜닝과 LLM 기반 에이전트의 결합 및 근거 제시ICSE2025link
LAMD: LLM을 활용한 컨텍스트 기반 안드로이드 악성코드 탐지 및 분류2025link
소프트웨어 보안에서의 LLM: 취약점 탐지 기법 및 통찰에 대한 서베이2025linklink
하나로 모두를 해결하는 것은 통하지 않는다! 전문가 혼합(MoE)을 통한 취약점 탐지 향상2025link

🚀 프로젝트

이름설명Github
OpenAnt (Knostic)적대적 검증을 갖춘 LLM 기반 다단계 취약점 발견link
DeepAuditDocker 샌드박스 익스플로잇 검증을 갖춘 멀티 에이전트 AI 레드팀 플랫폼link
AutoCVE멀티 에이전트 아키텍처를 갖춘 자동화된 취약점 탐지 및 보고link
Darkmoon오픈소스(GPL-3.0) 자율 AI 침투 테스트 플랫폼 및 MCP 호스트; 기술별 공격 서브 에이전트, Active Directory 및 Kubernetes 지원, 80개 이상의 오케스트레이션된 도구, 발견 사항별 증거 추적link
strixpip를 통한 오픈소스 자율 AI 침투 테스트 도구link
deepsec (Vercel)코딩 에이전트를 활용한 심층 코드베이스 취약점 스캐닝용 보안 하네스link
rust-in-peace적대적 분류, 동적 검증, 실험적 Android APK 분석 프로필을 갖춘 Rust용 에이전트 지원 취약점 발견link

🧩 에이전트 스킬

이름설명링크
codex-security (OpenAI)Codex 에이전트를 통한 자율 저장소 수준 취약점 스캐닝link
defending-code-reference-harness (Anthropic)Claude Code를 활용한 위협 모델링, 스캐닝, 분류, 패치를 위한 참조 스킬link
security-audit-skill (Cloudflare)병렬 헌팅 에이전트와 적대적 검증을 갖춘 6단계 보안 감사 스킬link

📡 arxiv.md

워크플로를 통해 지정된 키워드에 대한 Arxiv 논문을 매일 자동으로 수집하고 업데이트합니다.

감사의 글

이 프로젝트의 Updated Arxiv Papers Daily 워크플로는 LLM4SE 프로젝트에서 차용했습니다. 원본 코드를 arxiv 라이브러리를 사용하여 리팩터링했습니다.

카테고리