.png){kind=icon}
返回
Cross-view subgraph learning for function-level vulnerability detection
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jss.2026.113078.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
源代码漏洞检测在确保软件安全中起着关键作用，但保留与漏洞相关的依赖关系并协调结构和语义证据仍具挑战性。现有的基于图的方法通常将代码属性图编码为函数级表示，其中关键代码组件（如条件检查、变量传播和敏感操作）之间的依赖关系可能因弱相关语句或分支而被稀释。同时，结构和语义表示可能强调同一函数的不同证据，导致漏洞区分倾向不一致，增加误分类风险。为解决这些问题，我们提出了SSCV-VD（结构-语义交叉视图漏洞检测），一种用于函数级漏洞检测的交叉视图子图学习框架。为减少依赖关系稀释，SSCV-VD围绕候选关键节点构建局部子图，并使用函数级语义上下文进行加权，从而强调与漏洞相关的结构关系。为缓解结构和语义视图之间不一致的预测，SSCV-VD引入门控融合机制，以自适应地平衡图结构的结构和序列级的语义表示，并应用交叉视图一致性约束，以减少其在漏洞导向区分中的差异。在多个基准数据集上的实验表明，SSCV-VD在标准数据集内评估设置下实现了最佳F1分数。
期刊
IF:
4.1
论文数:
5.5K
被引数:
8.4K
机构
暂无机构信息
引用论文
Vulnerability Detection by Learning From Syntax-Based Execution Paths of Code通过基于语法的代码执行路径学习进行漏洞检测
PREAI
分享收藏
Source Code Authorship Attribution Using Hybrid Approach of Program Dependence Graph and Deep Learning Model.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容