Evaluating Retrieval-Augmented Generation for LLM-Based Vulnerability Detection: An Empirical Study on Real-World Java Vulnerabilities
IEEE Access · 2026 · 14 · 50878-50891
DOI: 10.1109/access.2026.3676577 ↗Kurz gefasst
Fachartikel in der Zeitschrift IEEE Access, 2026. Verfasst von Gábor Antal und 3 weiteren Autor:innen. Die Arbeit wurde bisher 5-mal zitiert (Crossref) und nennt 54 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: Szegedi Tudom?nyegyetem.
Abstract (Originalsprache)
Kein Abstract verfügbar.
Förderung
- Szegedi Tudom?nyegyetem
Zitieren
APA
Antal, G., Értekes, L., Szolnoki, N., & Hegedűs, P. (2026). Evaluating Retrieval-Augmented Generation for LLM-Based Vulnerability Detection: An Empirical Study on Real-World Java Vulnerabilities. IEEE Access, 14, 50878-50891. https://doi.org/10.1109/access.2026.3676577
Vancouver
Antal G, Értekes L, Szolnoki N, Hegedűs P. Evaluating Retrieval-Augmented Generation for LLM-Based Vulnerability Detection: An Empirical Study on Real-World Java Vulnerabilities. IEEE Access. 2026;14:50878-50891. doi:10.1109/access.2026.3676577
BibTeX
@article{Antal2026,
author = {Antal, Gábor and Értekes, Lóránt and Szolnoki, Norbert and Hegedűs, Péter},
title = {Evaluating Retrieval-Augmented Generation for LLM-Based Vulnerability Detection: An Empirical Study on Real-World Java Vulnerabilities},
journal = {IEEE Access},
year = {2026},
volume = {14},
pages = {50878--50891},
doi = {10.1109/access.2026.3676577}
}
EUVIMED