用于 Python 源代码漏洞检测的机器学习技术
软件工程
2024-04-16 v1 人工智能
摘要
软件漏洞是网络攻击盛行的根本原因，其识别是网络安全中一项至关重要且极具挑战性的问题。本文专门针对 Python 编程语言，应用并比较了不同的机器学习算法用于源代码漏洞检测。我们的实验评估表明，我们的双向长短期记忆（BiLSTM）模型取得了卓越的性能（平均准确率 = 98.6%，平均 F-Score = 94.7%，平均精确率 = 96.2%，平均召回率 = 93.3%，平均 ROC = 99.3%），从而为 Python 源代码漏洞检测确立了新的基准。
引用
@article{arxiv.2404.09537,
title = {Machine Learning Techniques for Python Source Code Vulnerability Detection},
author = {Talaya Farasat and Joachim Posegga},
journal= {arXiv preprint arXiv:2404.09537},
year = {2024}
}