VulSPG：基于切片属性图表示学习的漏洞检测
密码学与安全
2021-09-07 v1 软件工程
摘要
漏洞检测是软件安全中的重要问题。尽管已提出多种数据驱动的漏洞检测方法，该任务仍具挑战性，因为真实世界漏洞代码在语法与语义上的多样性和复杂性使得利用常规深度学习模型提取漏洞特征十分困难，尤其在分析大型程序时。此外，真实世界漏洞代码包含大量与漏洞无关的冗余信息，进一步加剧了上述问题。为缓解此类挑战，我们定义了一种名为切片属性图（SPG）的新型代码表示，进而提出 VulSPG——一种利用带三重注意力机制的改进 R-GCN 模型来识别 SPG 中潜在漏洞的新检测方法。我们的方法相较其他方法至少具有两点优势。首先，我们所提 SPG 能够反映可能与漏洞相关的丰富语义与显式结构信息，同时尽可能消除无关信息以降低图复杂度。其次，VulSPG 在 R-GCN 中融入三重注意力机制，以从 SPG 中更有效地学习漏洞模式。我们已在来自 SARD 和真实世界项目的两大规模数据集上对 VulSPG 进行了广泛评估。实验结果证明了 VulSPG 的有效性与高效性。
引用
@article{arxiv.2109.02527,
title = {VulSPG: Vulnerability detection based on slice property graph representation learning},
author = {Weining Zheng and Yuan Jiang and Xiaohong Su},
journal= {arXiv preprint arXiv:2109.02527},
year = {2021}
}
备注
Paper accepted at the 32nd International Symposium on Software Reliability Engineering (ISSRE 2021)