EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

Evaluating Retrieval-Augmented Generation for LLM-Based Vulnerability Detection: An Empirical Study on Real-World Java Vulnerabilities

Gábor Antal, Lóránt Értekes, Norbert Szolnoki, Péter Hegedűs

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.

AbstractBibliografische AngabenZitierenVerwandte Studien

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}
}
Kostenlos starten →