利用语言模型检测软件漏洞
密码学与安全
2023-02-24 v1
摘要
近年来，深度学习技术因能准确识别漏洞代码模式而受到广泛关注。然而，当前最先进的深度学习模型，如卷积神经网络(Convolutional Neural Networks, CNN)和长短期记忆网络(Long Short-Term Memories, LSTMs)，需要大量计算资源。这导致开销过大，使其难以在实时环境中部署。本研究提出了一种基于 transformer 的新型漏洞检测框架，称为 VulDetect，通过对预训练大语言模型(large language model, GPT)在多个漏洞代码基准数据集上微调实现。我们的实证结果表明，该框架能以高达 92.65% 的准确率识别漏洞软件代码。我们提出的技术优于两种最先进的漏洞检测技术 SyseVR 和 VulDeBERT。
引用
@article{arxiv.2302.11773,
title = {Detecting software vulnerabilities using Language Models},
author = {Marwan Omar},
journal= {arXiv preprint arXiv:2302.11773},
year = {2023}
}