BriefGPT - AI 论文速递
·
XGV-BERT：基于上下文化语言模型和图神经网络的高效软件漏洞检测
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该文介绍了一种结合RoBERTa和GCN模型的多任务分类器，用于代码漏洞检测。该模型采用语义性漏洞图降低偏差，结合Focal Loss目标函数降低数据集不平衡的影响。在多个数据集测试中，该模型表现优异，能够提高检测效果，并在针对Github代码库的N-day程序样本的测试中表现出93%的准确率，能够检测出4种零日漏洞。
🎯
关键要点
- 提出了一种结合RoBERTa模型和GCN模型的多任务分类器用于代码漏洞检测。
- 该模型采用语义性漏洞图来降低偏差。
- 结合Focal Loss目标函数以降低数据集不平衡的影响。
- 在多个数据集测试中，该模型表现优异，检测效果提高2.41%和18.75%。
- 在Github代码库的N-day程序样本测试中，模型表现出93%的准确率。
- 该模型能够检测出4种零日漏洞。
➡️
