基于残差门控图卷积网络的源代码漏洞检测

摘要：

软件漏洞是导致网络安全事故的一项重要因素.针对现有静态代码分析工具存在较高的误报率与漏报率问题,提出了一种基于残差门控图卷积网络的自动化漏洞检测方法.首先将源代码转换成包含语义、语法特征信息的代码图数据,然后使用残差门控图卷积神经网络对图结构数据进行表示学习,最后训练神经网络模型来预测代码漏洞,实现了C/C++函数代码自动漏洞检测.该方法采用VDISC数据集来验证有效性,检测结果的F1值(CWE-119漏洞类型)达到了76.60%,并与基线方法相比,F1值分别提高了9.46个百分点、7.24个百分点、5.67个百分点、8.42个百分点,所提方法有效提高了漏洞检测能力,证明了该方法的有效性.

关键词：图卷积网络、漏洞检测、深度学习

所属期刊栏目：59

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;湖北核能运维工程技术研究中心首批应用基础科技;科研基金项目;武汉工程大学教学研究项目

在线出版日期：2023-11-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：293-299