原始来源日期:2026年10月5日。本文依据最近72小时内发布的一手资料编译。

原文编译

漏洞分析不仅需要二分类,还需要能支持分诊与补丁设计的解释。自由文本思维链容易用流畅叙述掩盖逻辑跳步、虚构执行和内部矛盾;另一个LLM作为裁判又可能被同样的表面合理性欺骗,导致正确标签被误认为推理也正确。

作者人工检查后声称,约60%的正确漏洞结论带有捏造或无法验证的陈述。为此,VERA不接受散文式解释,而要求模型输出Structured Reasoning Record,明确记录指针、内存操作和状态转移,让关键步骤可以与代码和执行语义逐项对齐。

审计器针对八类推理故障执行多阶段检查,能确定性验证的部分不用LLM,只有语义解释才调用模型。统一记录格式还允许自动注入变异,规模化测试裁判是否识别已知错误。作者报告,VERA暴露了87%被自由文本LLM裁判系统性漏过的推理缺陷。

结构化格式不保证记录忠实反映模型内部过程,也可能诱导模型生成形式正确但证据错误的字段。八类故障、程序语言、漏洞类型和裁判模型范围会影响覆盖率。百分比来自论文实验,不应外推成所有代码审计系统的普遍比例。

量仔观察

本站判断,生产价值在于把解释变成可审计数据,而不是宣称读懂了模型思维。安全工具可以要求每个结论绑定代码位置、数据流、前置条件和可执行反例,再用静态/动态分析验证;无法验证的文字不应进入补丁门禁。

团队评估AI审计器时应分别统计标签准确率、证据定位、推理一致性和修复有效性。VERA提醒我们,正确答案可能来自错误理由;若直接按结论自动修复,隐藏的推理缺陷会在变体输入中暴露。