基于混合表征和协同训练的软件漏洞检测

来源：计算机技术与发展杂志2024年第05期北京时间：

作者：陈浩东;李琳;乔梦晴;叶彪

摘要：对于漏洞领域基准数据集较少导致的深度学习模型泛化能力较差,以及传统的基于规则引擎的漏洞检测工具性能较低的问题,提出了一种基于混合表征和协同训练的软件源代码漏洞检测方法。 首先,基于预训练模型提取源代码文本特征,提取代码语义信息,然后使用工具生成抽象语法树,通过自定义遍历规则提取源代码的 AST(抽象语法树)特征,将两种特征进行混合丰富代码表征。 其次,搭建多个深度模型,基于协同训练算法通过大量的无标签数据提升各模型的泛化能力。 鉴于单一模型可能造成较高的漏报率和误报率,并可能被某一模型主导预测结果的问题,采用了基于加权投票机制的多模型集成方法。 实验结果表明,该方法在一定程度上解决了数据集较少导致的模型泛化性差的问题,与漏洞检测领域一些主流检测方法相比,该方法在各指标上具有一定的优势,且检测性能高于规则引擎 Fortify。

关键词：深度学习;混合表征;漏洞检测;协同训练;集成学习