HYDRA：用于预测已修补函数中潜在零日漏洞的混合启发式深度表示架构
密码学与安全
2026-04-14 v2 软件工程
摘要
软件安全测试，特别是结合深度学习模型后，已成为提高软件质量、加快已知缺陷源代码检测速度的强大方法。然而，许多方法会忽略修补后残留的潜在漏洞，这些漏洞通常是由于修补不完整或遗漏问题导致的，后者可能导致零日攻击。本文提出 ，即 brid heuristic-guided eep epresentation rchitecture，用于预测已修补函数中潜在的零日漏洞，该方法将基于规则的启发式方法与深度表示学习相结合，以检测修补后可能仍存的潜在风险代码模式。它集成了静态漏洞规则、GraphCodeBERT 嵌入以及变分自编码器 (VAE)，以发现符号模型或神经网络模型单独使用时常常忽略的异常现象。我们在三个具有代表性的真实世界软件项目（Chrome、Android 和 ImageMagick）的已修补函数上以无监督方式评估了 HYDRA。我们的结果表明，HYDRA 分别预测出 Chrome、Android 和 ImageMagick 中约 13.7%、20.6% 和 24% 的函数包含潜在风险，包括启发式匹配情况以及无启发式匹配 () 的情况，这些情况可能导致零日漏洞。HYDRA 的表现优于仅依赖正则表达式提取特征或结合嵌入特征的基线模型，揭示了与已知启发式模式高度一致的真实风险代码变体。这些结果表明 HYDRA 能够暴露出隐藏的、之前未被检测到的风险，从而推动软件安全验证的进步，并支持主动发现零日漏洞。
引用
@article{arxiv.2511.06220,
title = {HYDRA: A Hybrid Heuristic-Guided Deep Representation Architecture for Predicting Latent Zero-Day Vulnerabilities in Patched Functions},
author = {Mohammad Farhad and Sabbir Rahman and Shuvalaxmi Dass},
journal= {arXiv preprint arXiv:2511.06220},
year = {2026}
}
备注
This paper has been accepted at AST 2026