基于可解释性图神经网络的细粒度漏洞检测方法研究.pdf
文本预览下载声明
摘要
在现代软件开发生命周期中，在早期阶段及时识别和修复漏洞能够防止潜在的安全
威胁和经济损失，这使得漏洞检测的重要性日益凸显。传统的漏洞检测方法虽然在一定
程度上有效，但往往因缺乏深度理解代码的能力而受限。随着深度学习技术的发展，基
于图神经网络（GraphNeuralNetwork，GNN）的漏洞检测方法为识别源代码中的漏洞
提供了新的视角。然而，深度学习方法的“黑盒”特性使得模型的决策过程和结果缺乏
透明度和可信度，这对于开发人员来说是一个不小的挑战，因为他们往往需要理解漏洞
的具体信息和上
显示全部