利用源代码分布式表示检测 C 语言安全漏洞的研究
密码学与安全
2021-06-04 v1 人工智能
机器学习
编程语言
软件工程
摘要
本文评估了代码表示模型 Code2vec 在训练用于检测 C 源代码中安全漏洞任务时的表现。我们利用开源库 astminer 从带标签的 C 函数语料库的抽象语法树中提取路径上下文（path-contexts）。Code2vec 在所得路径上下文上进行训练，任务是将函数分类为存在漏洞或无漏洞。使用 CodeXGLUE 基准，我们表明 Code2vec 在此任务上的准确率可与基于简单 transformer 的方法（如预训练 RoBERTa）相媲美，并且优于更朴素的基于 NLP 的方法。我们在保持相对于大型模型较低计算需求的同时，达到了 61.43% 的准确率。
引用
@article{arxiv.2106.01367,
title = {On using distributed representations of source code for the detection of C security vulnerabilities},
author = {David Coimbra and Sofia Reis and Rui Abreu and Corina Păsăreanu and Hakan Erdogmus},
journal= {arXiv preprint arXiv:2106.01367},
year = {2021}
}
备注
Submitted to DX 2021