Resumen: Las expresiones regulares (regex) son fundamentales para la informática moderna para tareas críticas como la validación de entradas y el análisis de datos; sin embargo, su ubicuidad expone a los sistemas a la denegación de servicio de expresiones regulares (ReDoS), una vulnerabilidad que requiere métodos de reparación automatizados. Sin embargo, los enfoques actuales se ven obstaculizados por una compensación. Los sistemas simbólicos basados en reglas son precisos pero no logran reparar patrones de vulnerabilidad complejos o invisibles. Por el contrario, los modelos de lenguaje grande (LLM) poseen la generalización necesaria pero no son confiables para tareas que exigen una estricta corrección sintáctica y semántica. Resolvemos este punto muerto mediante la introducción de un marco híbrido, la reparación de expresiones regulares localizada (LRR), diseñada para aprovechar la generalización de LLM y al mismo tiempo reforzar la confiabilidad. Nuestra idea principal es desacoplar la identificación de problemas del proceso de reparación. Primero, un módulo simbólico determinista localiza el subpatrón vulnerable preciso, creando un espacio problemático restringido y manejable. Luego, se invocó el LLM para generar una solución semánticamente equivalente para este segmento aislado. Esta arquitectura combinada resuelve con éxito casos de reparación complejos que son intratables para la reparación basada en reglas y, al mismo tiempo, evita los errores semánticos de los enfoques exclusivos de LLM. Nuestro trabajo proporciona una metodología validada para resolver este tipo de problemas en reparación automatizada, mejorando la tasa de reparación en un 15,4%p respecto al estado del arte. Nuestro código está disponible en esta URL https.
Publicado originalmente en export.arxiv.org el 12 de octubre de 2025.
Ver fuente original
