华南理工大学学报(自然科学版)

作者：陆璐, 万童

单位：1.华南理工大学 计算机科学与工程学院，广东 广州 5100062.鹏城实验室，广东 深圳 518000

关键词：软件漏洞,漏洞检测,路径表示,预训练,对比学习

基金：广东省重点领域研发计划项目(2022B0101070001);广东省自然科学基金项目(2024A1515010204)

软件漏洞是导致计算机系统安全性受损的关键薄弱环节，易于被攻击者利用来实施非法操控，从而导致数据泄露、系统崩溃甚至更严重的安全事故。因此，如何精准、高效地检测软件漏洞已经成为计算机安全领域的核心研究课题。现有的基于深度学习的漏洞检测方法已取得一定进展，但大多受限于单一代码表示，无法全面反映代码语义与结构信息间的互补性。鉴于此，该文创新性地提出了一种基于路径表示和预训练代码模型的漏洞检测方法（简称VDPPM），以有效提升代码语义解析能力和漏洞检测精度。该方法集成了从抽象语法树、控制流图和程序依赖图抽取的路径表示，并借助对比学习框架SimCSE优化后得到的SimCodeBERT模型来增强模型对漏洞特征的捕捉能力。实验中，首先从源代码中提取3种代码表示，并从这些表示中提取路径表示来构建语料库以训练Doc2vec模型，形成通用嵌入模型，将路径序列转化为向量表示。在此基础上，融入预训练的CodeBERT模型，将其在对比学习框架下进行训练，以更精准地捕捉代码深层次语义特征。最后，通过融合Doc2vec和SimCodeBERT模型生成的向量来构建高质量的代码表示以完成漏洞检测。实验结果表明，在多个公开的漏洞检测基准数据集中，VDPPM的性能优于目前的主流方法，在漏洞检测任务上的多个指标有显著提高，证明了该方法的有效性和优越性。

来源：2025年第5期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2025年第5期