软件学报

作者：曹思聪，孙小兵，薄莉莉，吴潇雪，李斌，陈厅，罗夏朴，张涛，刘维

单位：曹思聪，扬州大学 信息工程学院, 江苏 扬州 22512711,孙小兵，扬州大学 信息工程学院, 江苏 扬州 22512702,薄莉莉，扬州大学 信息工程学院, 江苏 扬州 22512703,吴潇雪，扬州大学 信息工程学院, 江苏 扬州 22512704,李斌，扬州大学 信息工程学院, 江苏 扬州 22512705,陈厅，电子科技大学 计算机科学与工程学院, 四川 成都 61173106,罗夏朴，香港理工大学 计算机系, 香港 99907707,张涛，澳门科技大学 计算机科学与工程学院, 澳门 99907808,刘维，扬州大学 信息工程学院, 江苏 扬州 22512709

关键词：漏洞检测;注意力机制;图神经网络;多类别分类

基金：国家自然科学基金(62202414); 江苏省“六大人才高峰”高层次人才项目(RJFW-053); 江苏省“333”工程中青年科学技术带头人项目; 云南省软件工程重点实验室开放基金(2023SE201)

软件漏洞威胁着现实世界系统的安全. 近年来, 基于学习的漏洞检测方法(尤其是基于深度学习的方法)由于其从大量漏洞样本中挖掘隐式漏洞特征的显著优势, 得到了广泛的研究. 然而, 由于不同类型漏洞之间的特征差异和数据分布不平衡问题, 现有基于深度学习的漏洞检测方法难以准确识别具体的漏洞类型. 因此, 提出一种基于深度学习的多类型漏洞检测方法MulVD. MulVD构建了一种新型的结构感知图神经网络(SA-GNN), 它可以自适应地为不同类型的漏洞提取局部典型的漏洞模式, 并在不引入噪声的情况下重新平衡数据分布. 检验所提方法在二分类和多分类漏洞检测任务中的有效性. 实验结果表明, MulVD显著提高了现有基于深度学习的漏洞检测技术的性能.

来源：2025年第11期

《软件学报》期刊编辑部

查看软件学报杂志2025年第11期