计算机工程与科学

作者：陈旭, 陈子雄, 景永俊, 王叔洋, 宋吉飞

单位：1.北方民族大学计算机科学与工程学院，宁夏 银川 750021；2.北方民族大学电气信息工程学院，宁夏 银川 750021；3.国家（中卫）新型互联网交换中心，宁夏 中卫 755001

关键词：漏洞检测,切片级别,低失真嵌入,双曲空间,图卷积神经网络,

基金：北方民族大学中央高校基本科研业务费专项资金(2023ZRLG13)；宁夏回族自治区重点研发项目(2023BDE02017)

针对源代码漏洞检测领域中存在的挑战，特别是现有方法在代码图精准嵌入和捕获其复杂层次结构方面的不足，提出了一种创新的基于双曲图卷积神经网络的切片级源代码漏洞检测方法VulDHGCN。该方法融合了图卷积神经网络和双曲几何的强大表达能力，更全面地嵌入和保留了源代码的结构特征，有效降低了代码图嵌入过程中的信息失真。为了全面评估VulDHGCN的有效性，选择了3种传统的基于规则的静态漏洞检测方法和3种先进的基于模型的漏洞检测方法作为对比基线方法。实验结果表明，在多个关键性能指标上，VulDHGCN均优于基线方法。具体而言，VulDHGCN的准确率、精确率、召回率和F1得分分别达到了96.52%,92.31%,85.12%和88.57%，相较于基线漏洞检测方法，F1分数提高了6.62%~153.92%，具有明显的优势。这不仅证明了VulDHGCN方法的有效性，也为深度学习在源代码漏洞检测领域的进一步应用提供了新的视角和方法。

来源：2025年第5期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2025年第5期