软件漏洞评估的数据不平衡问题：数据增强是否有效？

背景：软件漏洞(SV)评估正逐渐被采用以应对不断增长的 SV 数量和复杂性。数据驱动的方法已被广泛用于自动化 SV 评估任务，特别是对常见漏洞评分系统(CVSS)指标的预测，如可利用性、影响力和严重性。SV 评估受制于 CVSS 类别分布的不平衡，但此类数据不平衡在文献中几乎未得到理解和解决。目标：我们进行大规模研究，量化数据不平衡的影响，并通过数据增强来缓解该问题以进行 SV 评估。方法：我们利用九种数据增强技术平衡 CVSS 指标的类别分布，然后比较在使用增强数据和不使用增强数据的 SV 评估模型性能。结果：通过在 18 万多余的真实 SV 上进行大量实验，我们展示，缓解数据不平衡可显著提高所有 CVSS 任务模型的预测性能，最高可提高 31.8% 的 Matthews 相关系数。我们还发现，简单的文本增强如随机文本插入、删除和替换可在整体上超过基线。结论：我们的研究为解决 SV 评估中的数据不平衡问题提供了动机，并迈出了首个有前景的步骤。