Skip navigation
  1. RI UFPE
  2. Trabalhos de Conclusão de Curso
  3. (CIn) Centro de Informática
  4. (CIn) - Coordenação de Sistemas da Computação
  5. (TCC) - Sistemas da Computação
Please use this identifier to cite or link to this item: https://repositorio.ufpe.br/handle/123456789/65602

Share on

Full metadata record
DC FieldValueLanguage
dc.contributor.advisorSCHUENEMANN, Carla Taciana Lima Lourenco Silva-
dc.contributor.authorFONTANARI, Gabriel Santana-
dc.date.accessioned2025-08-29T16:02:21Z-
dc.date.available2025-08-29T16:02:21Z-
dc.date.issued2025-08-13-
dc.date.submitted2025-08-22-
dc.identifier.citationFONTANARI, Gabriel Santana. LLMs para detecção e reparo de vulnerabilidades em código: um survey com especialistas e análise exploratória de tendências. 2025. Trabalho de Conclusão de Curso (Sistemas de Informação) – Universidade Federal de Pernambuco, Recife, 2025.pt_BR
dc.identifier.urihttps://repositorio.ufpe.br/handle/123456789/65602-
dc.description.abstractO avanço significativo do potencial dos modelos de linguagem de grande escala (LLMs) tem resultado na adoção do seu uso em várias áreas da Engenharia de Software, o que inclui detecção e reparo de vulnerabilidades. Nesse contexto, este trabalho se propõe a corroborar ou confrontar com os achados, limitações e oportunidades futuras da Revisão Sistemática da Literatura (RSL) “Large Language Model for Vulnerability Detection and Repair: Literature Review and the Road Ahead” realizada por Zhou et al., 2024 [5]. Para isso foi feita uma triangulação, combinando a RSL, um survey conduzido com 10 especialistas de diversos países e uma análise exploratória de 23 artigos recentes e não considerados na RSL de Zhou et al. 2024.pt_BR
dc.format.extent77p.pt_BR
dc.language.isoporpt_BR
dc.rightsopenAccesspt_BR
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/pt_BR
dc.subjectModelos de Linguagem de Grande Escalapt_BR
dc.subjectLLMspt_BR
dc.subjectDetecção de Vulnerabilidadespt_BR
dc.subjectReparo de Vulnerabilidadespt_BR
dc.titleLLMs para detecção e reparo de vulnerabilidades em código: um survey com especialistas e análise exploratória de tendênciaspt_BR
dc.typebachelorThesispt_BR
dc.degree.levelGraduacaopt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/0581226769296441pt_BR
dc.description.abstractxThe significant advancement in the potential of large language models (LLMs) has resulted in their adoption across various areas of Software Engineering, including vulnerability detection and repair. In this context, this work aims to corroborate or contrast the findings, limitations, and future opportunities of the Systematic Literature Review (SLR) “Large Language Model for Vulnerability Detection and Repair: Literature Review and the Road Ahead” conducted by Zhou et al., 2024 [5]. To achieve this, a triangulation was performed, combining the SLR, a survey conducted with 10 experts from different countries, and an exploratory analysis of 23 recent articles not considered in Zhou et al.’s 2024 SLR.pt_BR
dc.subject.cnpqÁreas::Ciências Exatas e da Terra::Ciência da Computaçãopt_BR
dc.degree.departament::(CIN-DSC) - Departamento de Sistemas da Computação pt_BR
dc.degree.graduation::CIn-Curso de Sistemas de Informaçãopt_BR
dc.degree.grantorUniversidade Federal de Pernambucopt_BR
dc.degree.localRecifept_BR
Appears in Collections:(TCC) - Sistemas da Computação

Files in This Item:
File Description SizeFormat 
TCC Gabriel Santana Fontanari.pdf1.55 MBAdobe PDFThumbnail
View/Open


This item is protected by original copyright

View License
Show simple item record Recommend this item


This item is licensed under a Creative Commons License Creative Commons