NatGVD: 针对基于图的漏洞检测的自然对抗样本攻击
密码学与安全
2025-10-07 v1
摘要
基于图的模型学习丰富的代码图结构信息，在 various code analysis 任务中表现出优越性能。然而，这些模型在漏洞检测语境下针对对抗样本攻击的鲁棒性仍是一个未解之谜。本文提出 NatGVD，一种新颖的攻击方法，用于生成规避 GNN 基于和图感知变换器基于漏洞检测器的自然对抗易受代码。NatGVD 采用一组修改图结构同时保持代码语义的转换。与之前的工作不同，NatGVD 考虑自然性要求：生成的示例不应被人类或程序分析工具轻易识别。对 NatGVD 在最先进漏洞检测系统上的广泛评估显示，其规避率在 GNN 基于和图感知变换器基于检测器之间可达最高 53.04%。我们还探索了潜在防御策略以增强这些系统针对 NatGVD 的鲁棒性。
引用
@article{arxiv.2510.04987,
title = {NatGVD: Natural Adversarial Example Attack towards Graph-based Vulnerability Detection},
author = {Avilash Rath and Weiliang Qi and Youpeng Li and Xinda Wang},
journal= {arXiv preprint arXiv:2510.04987},
year = {2025}
}
备注
10 pages, 2 figures (2 additional figures in Appendices)