基于增强LLM框架的空指针解引用预测
软件工程
2024-12-03 v1
摘要
软件安全在任何可能因数据泄露导致财务损失的领域至关重要，因此漏洞检测成为软件开发过程中的关键步骤。识别部署前源代码中的漏洞是维护软件完整性的关键步骤之一。CWE-476（空指针解引用NPD）尤为重要，因为它会导致软件崩溃、不可预测的行为和安全漏洞。当前许多漏洞检测工具在分析源代码中特定特征连接时常力不足，这削弱了工具在实际场景中的应用。本研究提出了另一种新方法，称为DeLLNeuN的微调大型语言模型（LLM）。该模型利用多层结构降低过拟合和非线性，提高性能和可靠性。此外，该方法提供dropout和降维，以帮助简化模型，使其更快更高效。我们的方法在Draper VDISC数据集上达到87%的准确率，召回率为88%。随着软件变得越来越复杂，网络威胁不断演变，主动安全措施的需求将持续增长。在本案例中，该模型被证明可作为软件开发中的早期漏洞检测器具有前景。
引用
@article{arxiv.2412.00216,
title = {Enhanced LLM-Based Framework for Predicting Null Pointer Dereference in Source Code},
author = {Md. Fahim Sultan and Tasmin Karim and Md. Shazzad Hossain Shaon and Mohammad Wardat and Mst Shapna Akter},
journal= {arXiv preprint arXiv:2412.00216},
year = {2024}
}