Newest papers

Many Repairs, One Direction: Steering Code Models Toward Safer Cryptographic API Use

Tianhe Lu, Sakuna Harinda Jayasundara, Spero Eric, Ewan D. Tempero, Robert Biddle, Giovanni Russello · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.25133 · cited by 0 works (OpenAlex) · open-access PDF

Spanish

Aunque muchos enfoques existentes mejoran la seguridad del código mediante la modificación de parámetros de modelo o entradas, cómo los cambios de representación asociados con diferentes reparaciones de API criptográficas pueden apoyar una intervención compartida para la generación de código más seguro sigue siendo inexplorada. Para investigar esto, construimos 48,000 pares de programas compartidos en cuatro lenguajes de programación y diez categorías de mal uso de API criptográficos. Cada par cambia una decisión de API especificada mientras preserva la tarea de programación. Subtrayendo la representación interna del programa de mal uso de sus homólogos seguros da un vector de reparación. A través de cinco modelos, las comparaciones medias de vectores de reparación revelan una organización más fuerte de mal uso por categoría por lengua. Estos patrones específicos de categoría también apoyan una intervención compartida. Introducimos

Machine translation (Meta M2M100); the English original follows.

Abstract

Cryptographic API misuse in large language model-generated code can compromise software security. While many existing approaches improve code security by modifying model parameters or inputs, how representation changes associated with different cryptographic API repairs can support a shared intervention for safer code generation remains underexplored. To investigate this, we construct 48,000 matched program pairs across four programming languages and ten cryptographic API misuse categories. Each pair changes a specified API decision while preserving the programming task. Subtracting the misuse program's internal representation from its secure counterpart's gives a repair vector. Across five models, comparisons of mean repair vectors reveal stronger organization by misuse category than by language. These category-specific patterns also support a shared intervention. We introduce CrypSteer, which extracts a shared direction by normalizing repair differences and selecting a principal component aligned with repairs across misuse categories. With model weights fixed, adding one shared direction per model to its internal activations during generation improves aggregate target security rates by 5.28--15.00 percentage points over unsteered generation across languages and misuse categories. These findings connect the shared structure of cryptographic repair representations to a reusable intervention for safer code generation.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: SAFER, Computer science, Cryptographic primitive, Cryptography, Code (set theory), Component (thermodynamics)

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange