跳到正文
arXiv cs.AI· Yun Bian, Shihao Li, Haiquan Wang, Yi Chen, Zhao Yang, Zhe Cui·· 10 小时前AI 评分31

CFVul 用反事实约束缓解函数级漏洞检测中的修复反转问题

Mitigating fix reversal: Counterfactual constraints for function-level vulnerability detection

AI 导读

针对函数级漏洞检测器常把已修复版本判得比漏洞版本更可疑的“修复反转”问题,研究者提出 CFVul,通过滑动窗口编码、训练期内容约束与推理期长度约束削弱长度捷径。

正文 · AI 翻译

查看 PDF

摘要:函数级漏洞检测器常出现修复反转现象,即给已修复版本分配比其易受攻击版本更高的漏洞概率。修复通常会延长函数,而长度增加越大,反转越严重。代码变换实验表明,修复反转主要源于长度捷径:在内容固定时,漏洞概率随函数长度增加而上升。我们提出 CFVul 来解决这一问题。滑动窗口编码覆盖完整函数,保留截断边界之外的修复信息。训练时,内容约束促使易受攻击版本在相同长度输入下获得更高的漏洞概率。推理时,长度约束在固定参考长度上对漏洞概率取平均,减少实际长度变化的影响。在 PrimeVul 上,CFVul 的修复对排序指标 PairRank 达到 59.4\%,超过所比较的现有方法。对于使函数长度增加超过 15\% 的修复,PairRank 从 CodeBERT 的 25.8\% 提升至 48.4\%。在另外四个模型和三个数据集的实验中,PairRank 也有所提升。通过削弱长度捷径,CFVul 减少了已修复版本获得比易受攻击版本更高漏洞概率的情况。它仅需现有修复对,并适用于多种预训练代码模型,便于在现有检测器中采用。
评论: 21 页,9 幅图
主题: 密码学与安全 (cs.CR);人工智能 (cs.AI);软件工程 (cs.SE)
引用为: arXiv:2611.24489 [cs.CR]
  (或 arXiv:2611.24489v1 [cs.CR] 用于此版本)
  https://doi.org/10.48550/arXiv.2611.24489

arXiv 颁发的 DOI 通过 DataCite(待注册)

提交历史

来自:Shihao Li [查看邮箱]
[v1] 2026年11月18日 星期三 14:21:12 UTC(757 KB)

来源:arXiv cs.AI · arxiv.org