利用函数间多边关联洞察增强漏洞检测
软件工程
2025-06-27 v1
摘要
漏洞检测是确保软件系统安全的一项关键且极具挑战性的技术。目前，大多数基于深度学习的漏洞检测方法侧重于独立函数，忽略了复杂的函数间相互关系，尤其是多边关联。这种疏忽可能导致无法检测到这些相互关系中的漏洞。为弥补这一空白，我们提出了一个用于漏洞检测的函数间多边关联分析框架（IFMA-VD）。IFMA-VD 的基石在于构建代码行为超图并利用超边卷积来提取多边关联特征。具体而言，我们首先将函数解析为代码属性图以生成函数内特征。随后，我们通过切分程序依赖图来构建代码行为超图，以隔离并编码行为特征至超边中。最后，我们利用超图网络捕获多边关联知识，从而增强漏洞检测。我们在三个广泛使用的漏洞数据集上对 IFMA-VD 进行了评估，结果表明，与基线方法相比，其 F-measure 和 Recall 均有所提升。此外，我们证明了多边关联特征能够促进代码特征表示，并在真实世界数据集上验证了 IFMA-VD 的有效性。
引用
@article{arxiv.2506.21014,
title = {Boosting Vulnerability Detection with Inter-function Multilateral Association Insights},
author = {Shaojian Qiu and Mengyang Huang and Jiahao Cheng},
journal= {arXiv preprint arXiv:2506.21014},
year = {2025}
}