深度学习辅助软件漏洞检测综述
软件工程
2025-03-07 v1 密码学与安全
摘要
软件漏洞的广泛存在已成为网络攻击激增的主要因素。传统的漏洞检测方法，包括基于规则的、基于签名的、手动审查、静态分析和动态分析，常在面对日益复杂的系统和快速演变的攻击 landscape 时表现有限。深度学习 (DL) 方法在代码中自动学习和识别复杂模式方面卓越，能够更有效地检测新兴漏洞。本综述分析了2017至2024年间发表于高影响力期刊与会议的34项相关研究。本综述首次提出概念框架“漏洞检测生命周期”，系统分析和比较各种基于深度学习的漏洞检测方法，并将其统一纳入相同的分析视角。该框架包括六个阶段：(1) 数据集构建，(2) 漏洞粒度定义，(3) 代码表示，(4) 模型设计，(5) 模型性能评估，(6) 实际项目实现。对于该框架的每个阶段，我们通过对现有研究进行深入分析，识别并探讨关键问题，同时还原-highlighted 尚在adequately addressed的挑战。本综述为未来软件漏洞检测提供指导，促进深度学习技术在该领域进一步应用。
引用
@article{arxiv.2503.04002,
title = {Deep Learning Aided Software Vulnerability Detection: A Survey},
author = {Md Nizam Uddin and Yihe Zhang and Xiali Hei},
journal= {arXiv preprint arXiv:2503.04002},
year = {2025}
}