본 논문은 입력 유효성 검사 및 데이터 파싱과 같은 핵심 작업에 널리 사용되는 정규 표현식(regex)의 취약점인 ReDoS(정규 표현식 서비스 거부) 공격을 해결하기 위한 자동화된 수리 방법을 제시한다. 기존 방법론의 한계점, 즉 정확성은 높지만 복잡한 패턴 수리에 실패하거나, 일반화 능력은 뛰어나지만 정확성이 떨어지는 문제를 해결하기 위해, LLM(대규모 언어 모델)의 일반화 능력을 활용하면서 안정성을 확보하는 하이브리드 프레임워크, LRR(Localized Regex Repair)을 제안한다. LRR은 문제 식별과 수리 과정을 분리하여, 결정론적이고 기호적인 모듈을 통해 취약한 하위 패턴을 찾아내고, LLM을 통해 해당 부분의 의미론적으로 동일한 수정 사항을 생성한다. 이 결합된 아키텍처는 기존 규칙 기반 방식으로는 해결하기 어려운 복잡한 수리 사례를 성공적으로 해결하며, LLM 단독 방식의 의미적 오류를 방지한다.
