AgenticRepair：用于代理漏洞修复的多方面程序上下文工程

自动漏洞修复旨在减少根据漏洞分类报告修补安全缺陷所需的时间和精力。最近的智能体AI方法在自动程序修复方面显示出了有希望的结果。然而，漏洞修复需要比一般错误修复更丰富的程序上下文——安全工程师在实践中例行组装的上下文，但现有的代理方法无法设计。我们确定了三个关键差距：捕获跨文件数据流和内存操作模式的代码结构上下文、揭示崩溃语义和内存起源的运行时执行上下文、以及恢复如何引入脆弱代码模式的提交历史上下文。我们提出了 AgenticRepair，一个代理漏洞修复框架，通过多方面的程序上下文工程来解决漏洞。 AgenticRepair 协调三个专门的 LLM 子代理来设计上下文，然后将其嵌入到专用修复子代理的内存中，以进行上下文条件补丁合成。在包含 300 个真实实例的 SEC-Bench 上进行评估，并进行基于消毒剂的补丁验证，AgenticRepair 的成功率达到 73%，比最强基线高出 29%。我们的消融研究证实，这三个背景方面是相互补充的，并且多智能体支架和基础模型能力各自发挥着重要作用。总的来说，这些发现将多方面的程序上下文工程确立为代理漏洞修复的有前途的设计方向。