计算机应用

作者：于巧, 黄子睿, 程圣懿, 祝义, 张淑涛

单位：1.江苏师范大学 计算机科学与技术学院，江苏 徐州 221116；2.江苏徐矿能源股份有限公司，江苏 徐州 220009

关键词：漏洞检测,边权重,图表示学习,程序依赖图

基金：国家自然科学基金资助项目(61902161);江苏师范大学研究生科研与实践创新计划项目(2024XKT2616)

随着软件在各个领域的广泛应用，软件漏洞呈不断增长的趋势，基于深度学习的软件漏洞检测方法得到广泛应用；然而，现有的图表示学习方法通常忽略了图中边对软件漏洞检测的影响，并且对边权重的表示过于粗糙。针对该问题，提出一种基于边权重的软件漏洞检测方法EWVD（Edge Weight for Vulnerability Detection）。首先，对源代码中的注释、自定义变量名和函数名进行清理和抽象表示；其次，经过对比分析后选择使用Sent2Vec进行嵌入表示；再次，利用连接结构、邻居节点的重要性和Jaccard相似性这3种度量方式，综合计算边权重，从而识别节点间的信息传递能力；最后，利用边权重提升模型对漏洞语句潜在关系的感知能力，从而判断图中边的重要性。实验结果表明，与7种漏洞检测基线方法中的最优基线VulCNN相比，EWVD的准确率提高了1.06个百分点，而假阳性率（FPR）降低了1.11个百分点。可见，EWVD细化了边权重的表示，并且提升了漏洞检测的综合性能。

来源：2026年第2期

《计算机应用》期刊编辑部

查看计算机应用杂志2026年第2期