基于多维度特征融合与边语义增强的代码漏洞检测方法

来源：计算机应用研究杂志2026年第2期北京时间：

作者：张帅,魏乐,

单位：1.成都信息工程大学软件工程学院,成都610225；2.软件自动生成与智能服务四川省重点实验室,成都610225；3.四川省制造业信息化行业协同创新中心,成都610225；4.工业软件协同攻关中心,成都610225；

摘要：针对图驱动的代码漏洞检测方法中存在的图结构臃肿、局部与全局特征割裂及边语义信息缺失的问题，提出一种基于多维度特征融合与边语义增强的静态检测方法。首先，设计分层图融合策略，通过融合抽象语法树与程序依赖图，构建轻量化程序语义图，有效减少图节点数量。其次，明确提出代码具有作用域路径这一典型静态结构特征，并从代码文本序列、抽象语法树和作用域路径三个维度提取语句节点的局部语法、语义及全局上下文约束特征。最后，构建边语义增强的GAT网络，实现节点与边属性的协同更新。实验结果显示，在C/C++和Java数据集上的准确率分别达到93.1%和91.9%，F1值为92.8%和91.6%，明显优于MGVD、VulMPFF等四种主流方法，并在多种常见漏洞类型中展现出更优的适应性和泛化能力。

关键词：漏洞检测,抽象语法树,程序依赖图,边语义增强,

基金资助：国家重点研发计划工业软件重点专项资助项目(2022YFB3305100)；软件自动生成与智能服务四川省重点实验室开放课题(CUIT-SAG202203,CUIT-SAG202207)；；