多模态联合蒸馏优化的源代码漏洞检测方法

来源：电子与信息学报杂志2025年第11期北京时间：

作者：张学军, 张一帆, 刘灿灿, 加小红, 陈卓, 张蕾

单位：1.兰州交通大学电子与信息工程学院 兰州 7300702.国网甘肃省电力公司科学研究院 兰州 730070

摘要：针对现有基于深度学习的源代码漏洞检测方法在特征利用不充分、易学习虚假特征及跨模态一致性优化不足的问题，该文提出一种深度蒸馏与多模态一致性提升的漏洞检测框架mVulD-DO。该方法通过程序依赖图和代码切片技术，从源代码中提取函数名、变量名、Token_type及局部代码片段等多个语义模态以提升代码语义的刻画精度，并结合异构邻接矩阵与图注意力网络构建结构模态；接着，引入多层特征蒸馏层对各语义模态进行深层蒸馏以提炼特征主峰，利用BLSTM捕获时序依赖，并通过自适应动态Sinkhorn正则化在全局范围内对齐语义与结构特征分布；最终，经过对齐的模态输入全局注意力层进行融合，融合特征经过softmax分类器实现二分类检测。大量对比与消融实验表明，mVulD-DO在准确率、F1-score和Recall等指标上达到87.11%, 86.37%, 83.59%，均优于主流方法，验证了多模态表征、深度蒸馏及联合优化在漏洞检测中的协同优势和泛化能力。

关键词：漏洞检测, 深度蒸馏, 多模态, 联合优化

基金资助：甘肃省重点研发计划(25YFFA089)，甘肃省教育厅产业支撑基金 (2022CYZC-38)，国家自然科学基金(62366029)