AutoVulnFix:大语言模型驱动的智能搜索自适应漏洞修复系统OA

自动程序修复(automatic program repair,APR)技术在软件工程领域占据重要地位,但现有基于大语言模型的APR方法在搜索定位、执行效率和成本控制方面存在明显不足。为此,提出一种基于轻量智能搜索的自适应程序修复系统AutoVulnFix。该系统通过精简Prompt策略、双轨智能搜索算法和双层缓存三大核心技术解决现有问题。具体而言,首先通过智能上下文管理和精准问题描述降低Token开销,然后通过延迟加载和智能缓存策略提升系统的响应速度,最后结合快速搜索轨道和智能搜索轨道,根据任务复杂度自适应选择最优搜索策略。在包含231个代码缺陷样本的数据集上对5种大语言模型进行了全面的对比评估,结果表明,AutoVulnFix在修复准确率方面平均提升4.2%,在执行时间方面平均缩短25.8%,在Token开销方面平均降低21.4%。该系统为APR技术的实用化部署提供了有效的解决方案。