arXiv cs.AI· Wenxin Tang, Junliang Liu, Wenbin Li, Jingyu Xiao, Xi Xiao, Mingzhe Liu, Jinlong Yang, Xuan Liu, Yuehe Ma, Wang Luo, Qing Li, Lei Wang, Peng Xiangli·· 9 天前AI 评分22
DCVD：双通道跨模态融合实现漏洞检测与定位联合建模
DCVD: Dual-Channel Cross-Modal Fusion for Joint Vulnerability Detection and Localization
AI 导读
DCVD 是一个双通道跨模态漏洞检测框架，通过控制依赖与语义两条并行分支提取特征，并用对比对齐与双向交叉注意力融合，实现函数级检测与语句级定位的联合优化。在大型真实漏洞基准上，DCVD 在函数级检测和语句级定位两项任务上均持续优于现有 SOTA 方法，代码已开源。
正文 · AI 翻译
作者：Wenxin Tang、Junliang Liu、Wenbin Li、Jingyu Xiao、Xi Xiao、Mingzhe Liu、Jinlong Yang、Xuan Liu、Yuehe Ma、Wang Luo、Qing Li、Lei Wang、Peng Xiangli
摘要：软件漏洞检测在保障系统安全方面起着至关重要的作用，而现实世界的审计不仅需要判断某个函数是否存在漏洞，还需要精确定位应负责的具体代码行。然而，现有方法要么依赖单一信息源——序列、结构或语义——无法联合利用跨模态的互补优势，要么仅将语句级定位视为函数级检测的副产品，而缺乏显式的行级监督。为解决这些局限，我们提出了 DCVD（双通道跨模态漏洞检测），一个统一框架，可同时执行函数级检测和语句级定位。DCVD 通过两个并行分支提取控制依赖特征和语义特征，并通过对比对齐结合双向交叉注意力将其整合，有效弥合了跨模态表示差距。它进一步在函数级和语句级引入显式监督信号，实现两个粒度上的协同优化。在大规模真实世界漏洞基准上的大量实验表明，DCVD 在函数级检测和语句级定位上均持续优于最先进的方法。我们的代码可在 此 https URL 获取。
| 主题： | 密码学与安全（cs.CR）；人工智能（cs.AI） |
| 引用为： | arXiv:2605.11015 [cs.CR] |
| （或 arXiv:2605.11015v2 [cs.CR] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2605.11015 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Wenxin Tang [查看电子邮件]
[v1]
2026年5月10日星期日 14:33:25 UTC（249 KB）
[v2]
2026年10月8日星期四 14:12:28 UTC（249 KB）
来源：arXiv cs.AI · arxiv.org