.png){kind=icon}
返回
VULDA: Source Code Vulnerability Detection via Local Dependency Context Aggregation on Vulnerability-Aware Code Mapping Graph
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-95-3537-8_12.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
漏洞检测在软件安全领域至关重要。然而，现有方法在处理大规模和复杂源代码时，常因冗余信息干扰和跨行语义依赖不足而影响检测性能。为解决这些挑战，本文提出VULDA方法，整合了漏洞感知代码映射图（VCMG）与局部依赖上下文聚合（LDCA）。VCMG通过将多粒度语义对齐到行级节点，显著减少图结构冗余，增强表示紧凑性；同时结合静态启发式规则和结构特征对节点加权，提升模型对关键漏洞代码的敏感度。在此基础上，LDCA模块聚合控制流图（CFG）和数据依赖图（DDG）路径，实现逻辑与数据语义的双语境聚合，进一步强化模型对复杂漏洞模式的表达能力。在SARD、Reveal和FFmpeg+Qemu等多真实数据集上的实验结果表明，VULDA在各项指标上均优于现有方法，尤其在Reveal数据集上F1分数较最佳基线提升23.09%。消融实验进一步验证了VCMG和LDCA模块对提升检测性能的有效性与互补性。
Keyword:
Vulnerability Detection
Software Security
Code Semantics
VulnerabilityPatterns
DeepLearning
期刊
I
IF:
0
论文数:
23
被引数:
0
机构
引用论文
Learning Phrase Representations using RNN Encoder–Decoder for Statistical Machine Translation使用RNN编码器-解码器学习统计机器翻译的短语表示
OAAI
.png){kind=icon}
OAAI分享收藏GRACE: Empowering LLM-based software vulnerability detection with graph structure and in-context learningGRACE: 通过图结构和上下文学习增强基于LLM的软件漏洞检测
PREAI
分享收藏VulDeeLocator: A Deep Learning-Based Fine-Grained Vulnerability DetectorVulDeeLocator: 一种基于深度学习的细粒度漏洞检测器
OAAI
OAAI分享收藏SySeVR: A Framework for Using Deep Learning to Detect Software VulnerabilitiesSySeVR: 使用深度学习检测软件漏洞的框架OAAI
OAAI分享收藏分享收藏分享收藏分享收藏分享收藏
查看更多内容