HogVul：针对基于语言模型的漏洞检测器的黑盒对抗代码生成框架
密码学与安全
2026-01-12 v1 人工智能
摘要
软件漏洞检测的最新进展由基于语言模型（LM）的方法驱动。然而，这些模型仍然容易受到利用词汇和语法扰动的对抗攻击，使得关键缺陷能够逃避检测。现有的针对基于 LM 的漏洞检测器的黑盒攻击主要依赖于孤立的扰动策略，限制了它们高效探索对抗代码空间以寻找最优扰动的能力。为弥补这一差距，我们提出了 HogVul，一个黑盒对抗代码生成框架，该框架在由粒子群优化（PSO）驱动的统一双通道优化策略下，整合了词汇和语法扰动。通过系统地协调两级扰动，HogVul 有效扩展了对抗样本的搜索空间，增强了攻击效力。在四个基准数据集上的大量实验表明，HogVul 的平均攻击成功率比最先进的基线方法提高了 26.05%。这些发现突显了混合优化策略在暴露模型漏洞方面的潜力。
引用
@article{arxiv.2601.05587,
title = {HogVul: Black-box Adversarial Code Generation Framework Against LM-based Vulnerability Detectors},
author = {Jingxiao Yang and Ping He and Tianyu Du and Sun Bing and Xuhong Zhang},
journal= {arXiv preprint arXiv:2601.05587},
year = {2026}
}
备注
AAAI26