JFinder：一种基于四重自注意力和预训练机制的Java漏洞识别新架构
摘要：软件漏洞对计算机系统造成重大风险，影响我们的日常生活、工作效率甚至健康。及时识别和解决安全漏洞对于防止黑客攻击和数据泄露至关重要。然而，目前的漏洞识别方法，包括经典的和基于深度学习的方法，存在重大缺陷，无法满足当今软件行业的需求。为了解决这些问题，我们提出了一种新的Java漏洞识别架构JFinder，利用四重自注意力和预训练机制结合结构信息和语义表示。实验结果表明，JFinder在CWE数据集上达到了0.97的准确率，在PROMISE数据集上达到了0.84的F1分数，优于所有基准方法。此外，一项案例研究显示，在修补后，JFinder能够准确识别出四种漏洞案例。
作者：Jin Wang, Zishan Huang, Hui Xiao, Yinhao Xiao
论文ID：2307.15915
分类：Cryptography and Security
分类简称：cs.CR
提交时间：2023-08-01