Real-World Code Vulnerability Detection Framework: From Data Preprocessing to Multi-Feature Fusion Detection

doi:10.1109/TDSC.2025.3601228

Real-World Code Vulnerability Detection Framework: From Data Preprocessing to Multi-Feature Fusion Detection

2025-08-21

0

PRE

AI

DOI：10.1109/TDSC.2025.3601228

原文链接

原文求助

摘要

En 中文

代码漏洞检测（CVD）是确保软件安全性、稳定性和可靠性的关键方法。当被恶意行为者或黑客利用时，代码漏洞可能导致一系列严重后果并造成重大损失。然而，当前实际CVD的有效性并不理想，存在若干需要优化和解决的问题。这些问题包括实际CVD数据集质量差、代码中间结构资源消耗高、正负样本不平衡以及代码漏洞特征建模不足。为应对这些挑战，我们提出了一种用于实际CVD的全面高效框架MARCOVul。它提供了从数据预处理到最终漏洞检测的完整流程，优化了整个实际CVD流水线。我们的方法首先采用数据衍生技术，旨在提升数据集的整体质量。接着，我们提出一种代码特定的数据增强方法，以解决数据集中样本不平衡的问题。随后，我们提出一种代码中间结构简化方法，以降低计算复杂度和资源消耗，同时充分利用语言模型的能力。最后，我们提出一种基于多特征融合的实际CVD方法，用于识别代码中的潜在安全漏洞。在大型实际CVD数据集上的实验证明了MARCOVul在检测实际代码漏洞方面的有效性，相较于最佳未加权基线，其二元F1分数（BF1）和马修斯相关系数（MCC）分别提升了12.75%和6.98%，相较于最佳加权基线，分别提升了1.55%和1.42%。

Keyword:

Code vulnerability detection (CVD)

language model

multi-feature fusion

structure simplification

data augmentation

Real-World Code Vulnerability Detection Framework: From Data Preprocessing to Multi-Feature Fusion Detection

摘要

期刊

机构

引用论文