基于 Transformer 模型和静态分析的敏感信息暴露漏洞检测系统 SIExVulTS
密码学与安全
2025-08-28 v1 人工智能
摘要
敏感信息暴露 (SIEx) 漏洞 (CWE-200) 仍是软件系统中持续且未被充分关注的威胁，常导致严重的安全泄露。现有检测工具很少针对 CWE-200 的各类子类或提供针对代码级数据流的情境感知分析。目标：本 paper 提出 SIExVulTS，一个集成 transformer 模型与静态分析的 novel 漏洞检测系统，用于识别和验证 Java 应用程序中的敏感信息暴露。方法：SIExVulTS 采用三阶段架构：(1) 攻击面检测引擎使用句子嵌入识别敏感变量、字符串、注释和 sink；(2) 暴露分析引擎实例化与 CWE-200 层次结构对齐的 CodeQL 查询；(3) 流量验证引擎利用 GraphCodeBERT 从语义上验证 source-to-sink 流。我们使用三个精选数据集进行评估，包括真实 CVE、基准集合的合成 CWE-200 示例，以及来自 31 个开源项目的标记化 flow。结果：攻击面检测引擎实现的平均 F1 分数大于 93%，暴露分析引擎实现的 F1 分数为 85.71%，流量验证引擎将精确度从 22.61% 提升到 87.23%。此外，SIExVulTS 成功发现了六个在主要 Apache 项目中先前未知的 CVE。结论：结果表明，SIExVulTS 对提高软件安全性有效且实用，解决了现有工具在检测和验证 CWE-200 漏洞方面的局限性。
引用
@article{arxiv.2508.19472,
title = {SIExVulTS: Sensitive Information Exposure Vulnerability Detection System using Transformer Models and Static Analysis},
author = {Kyler Katz and Sara Moshtari and Ibrahim Mujhid and Mehdi Mirakhorli and Derek Garcia},
journal= {arXiv preprint arXiv:2508.19472},
year = {2025}
}