Cross-platform software vulnerability detection using Vulnerascope-X with Word2Vec Node2Vec and RCGO optimized SVM

doi:10.1038/s41598-026-63099-6

Cross-platform software vulnerability detection using Vulnerascope-X with Word2Vec Node2Vec and RCGO optimized SVM

2026-07-22

0

OA

AI

DOI：10.1038/s41598-026-63099-6

原文链接

查看原文

摘要

En 中文

为提高程序可靠性并降低维护成本，软件缺陷预测至关重要。为跨平台软件漏洞研究，本文提出一种前沿方法，利用名为VulneraScope-X的独特合成数据集。该数据集采用合成CVE情报，整合丰富的静态、句法和语义信息。本研究采用多种预处理方法，如最小-最大归一化、Word2Vec、Node2Vec、合成少数过采样技术（SMOTE）进行类别平衡，以应对特征复杂性和多样性。近期提出的Running City Game Optimiser（RCGO）在特征选择中优于其他元启发式算法，同时降低维度并保持预测特性。基于所选特征，训练了支持向量机（SVM）分类器，并通过网格搜索调整其超参数。该模型在准确率94.25%、精确率93.90%、召回率94.10%和AUC-ROC 0.962的优异表现上，超越了朴素贝叶斯、MLP和KNN等传统分类器。在准确率和执行时间方面，RCGO算法优于遗传算法（GA）、灰狼优化算法（GWO）、珊瑚礁优化算法（CRO）和黑寡妇优化算法（BWO）。该方法不仅展示了一个高效的缺陷预测流程，还提供了可复现和可扩展的软件安全评估方法。结果表明，结合拓扑和语义嵌入，VulneraScope-X能显著提升跨平台缺陷检测效果。该方法在大型异构软件组织中的应用，为漏洞分类和软件安全开发展现了良好前景。

Cross-platform software vulnerability detection using Vulnerascope-X with Word2Vec Node2Vec and RCGO optimized SVM

摘要

AI总结

期刊

机构

引用论文