Kubernetes 错误配置分类、演化与 LLM 自动修复研究
原标题：Kubernetes Misconfigurations in the Wild: Taxonomy, Evolution, and Automated Repair with Large Language Models
AI 摘要
该论文基于 Stack Overflow 上 2,662 个开发者报告的问题，构建了 Kubernetes 安全错误配置的分类体系，并分析其严重程度及在项目孵化期与稳定期之间的演变。研究发现关键安全错误配置常持续存在或反复出现。作者评估了 LLM 在逐步丰富上下文条件下的自动修复效果，最佳独立模型准确率达 89.06%；进一步提出结合上下文推理与确定性模式校验的 Kubecurity 框架，将修复准确率提升至 98.50% 并显著减少新引入的错误配置。
正文节选
[Page 1] Kubernetes Misconfigurations in the Wild: Taxonomy, Evolution, and Automated Repair with Large Language Models Mostafa Anouar Ghorab Ahmad Abdel Latif Mohamed Aymen Saied Laval university University of Calgary Laval university Quebec, Canada calgary , Canada Quebec, Canada mostafa-anouar.ghorab.1@ulaval.ca ahmad.abdellatif@ucalgary.ca mohamed