论文 | 基于深度学习模型的漏洞检测方法研究

背景：

传统的漏洞检测技术，例如：基于静态分析方法的漏洞检测通常会导致高假阳性，动态分析存在高假阴性。到目前为止，这些工具仍然不可靠，给开发人员留下了巨大的开销。

基于深度学习模型的漏洞检测技术，获得了很好的结果，几篇state-of-the-art可以获得95%及以上的准确率。

难点：

深度学习模型通常DL模型的通用性通常受到数据集中隐式偏差的限制，通常在数据集生成/管理/标记过程中引入。

基于token（忽略了语义）和基于graph模型（类别区分性）的编码不充分性。

学习与漏洞无关的无关特征，它们很可能是数据集的人工因素而生成。

数据集中大量的数据重复造成准确率虚高。

不同类别数据不平衡。

动机

为什么这类基于深度学习的模型性能这么好？他们学习到的特征是什么？

最先进的基于DL的技术在现实世界场景下表现如何？

创新点

探究了当下高性能模型在现实场景下的漏洞检测性能。

基于现有的基于DL漏洞检测技术，分析了5个影响该性能的问题。

基于现实场景下的项目，构建了一个数据集。

给出了一个漏洞检测路线图（roadmap）。