vulnerability detection | BriefGPT

关键词vulnerability detection

搜索结果 - 43

在防御系统中的提示注入攻击
通过三层防御机制，本研究调查了对大型语言模型的黑盒攻击方法，分析了这些攻击所带来的挑战和重要性，评估了现有攻击和防御方法的有效性和适用性，并特别关注了黑盒攻击的检测算法，用于识别语言模型中的危险漏洞和获取敏感信息，提出了一种对大型语言模型进
PDF12 days ago
Vul-RAG: 基于知识级 RAG 的 LLM 漏洞检测增强
使用 LL 元模型构建脆弱性知识库，并利用知识级检索增强生成（RAG）框架检测给定代码的脆弱性，取得显著的改进。
PDF15 days ago
VulDetectBench：利用大型语言模型评估漏洞检测的深度能力
通过创建一个新的基准测试集 VulDetectBench，我们评估了各类大型语言模型在漏洞检测任务中的性能，结果显示现有模型在识别和分类与漏洞相关的任务上可以达到 80% 以上的准确率，但在更复杂的漏洞分析任务上只能达到不到 30% 的准确
PDF21 days ago
LLM 辅助的易触发代码补全模型后门攻击：针对强检测注入伪装的漏洞
通过将恶意负载直接整合到源代码中以最小化转换，CodeBreaker 在源代码完成方面挑战了当前的安全措施，强调了对代码完成更强大的防御的紧迫需求。
PDF22 days ago
使用多任务自我教导的大型语言模型的安全漏洞检测
通过将程序控制流图编码为图神经网络的多任务序列到序列 LLM 技术，结合多任务自我指导微调的自我说明和 LLM 自我指导，MSIVD 在漏洞检测方面取得了卓越的性能，达到了 0.92 的 F1 得分（BigVul 数据集）和 0.48 的
PDF23 days ago
ACL通过多任务指令微调增强泛化的代码漏洞检测
Code Pre-trained Models (CodePTMs) based vulnerability detection struggles to generalize as they typically learn superfi
PDFa month ago
机器学习中漏洞检测的影响因素解析
研究了软件项目中不同因素对于识别漏洞的准确性的影响，通过挖掘软件库中的漏洞并使用机器学习技术进行自动检测。通过实验发现，将基于词袋模型的签名与随机森林模型相结合，在 17 个真实世界项目中能提高 4% 的检测准确率，并观察到在跨域中转移漏洞
PDFa month ago
双向 Transformer vs. word2vec：发现提升编译代码中的漏洞
利用自然语言处理（NLP）中的 word2vec、BERT 和 RoBERTa 等嵌入技术，通过学习中间表示（LLVM）代码的语义，利用长短期记忆（LSTM）神经网络对 Juliet 数据集中近 118k 个 LLVM 函数的嵌入进行训练，
PDFa month ago
基于系统调用的恶意软件检测的预训练大型语言模型中的迁移学习
利用大型语言模型结合系统调用分析，通过重新训练检测恶意系统调用，该研究提出了一种新的框架来改进恶意软件的检测，实验表明具有更大上下文尺寸的模型能够实现更高的准确性和 F1 分数，这一方法在高风险环境中具有实时检测的潜力，为不断演变的网络威胁
PDF2 months ago
用于网络安全的大型语言模型：系统文献综述
大型语言模型在网络安全领域的应用综述，包括漏洞检测、恶意软件分析、数据隐私等问题，指出了数据集大小与多样性的重要性以及未来研究方向。
PDF2 months ago
用于漏洞检测的图神经网络：一个反事实解释
基于图神经网络的漏洞检测面临可解释性的挑战，因此提出了 CFExplorer，一种针对 GNN 漏洞检测的新颖的反事实解释器，通过最小程度的扰动来回答所谓的 “如果” 问题，从而确定检测漏洞的根本原因，并为开发者提供有价值的修复漏洞的见解。
PDF2 months ago
使用代码语言模型进行漏洞检测：我们离目标还有多远？
在代码语言模型（Code LMs）和漏洞检测不断增长的兴趣下，我们研究了代码语言模型在漏洞检测方面的有效性。研究发现现有漏洞数据集存在重要不足，包括数据质量不高、标签准确性低和重复率高，导致模型在现实漏洞检测场景中的性能不可靠。为解决这些挑
PDF3 months ago
大型语言模型在漏洞检测方面的能力综合研究
大型语言模型在漏洞检测方面的推理能力较差，常出现错误定位漏洞代码和错误识别漏洞类型的情况。
PDF3 months ago
多角色共识下的漏洞检测
大语言模型可用于模拟软件开发生命周期中不同角色的讨论，提高漏洞检测的准确性、召回率和 F1 得分。
PDF3 months ago
基于机器学习的网络安全任务的源代码表示调查
研究报告探讨了现有的基于机器学习的方法，展示了不同网络安全任务和编程语言所使用的展示形式，并发现了基于图形的展示形式最受欢迎，Tokenizer 和 ASTs 是最受欢迎的展示形式，漏洞检测是最受欢迎的网络安全任务，C 语言是最多技术涵盖的
PDF4 months ago
为漏洞检测优化大型语言模型
本论文研究了使用大型语言模型进行源代码漏洞检测的结果，通过微调最先进的语言模型 WizardCoder，并在训练过程中进行了加速，通过处理类别不平衡问题，优化训练过程和方法，并在困难的漏洞检测数据集上改善性能，展示了通过微调大型预训练语言模
PDF5 months ago
LLM4Vuln：提升和解耦 LLMS 漏洞推理的统一评估框架
我们提出了一个名为 LLM4Vuln 的统一评估框架，通过将 LLMs 的漏洞推理能力与其他能力进行分离，并评估结合其他能力的方式来增强 LLMs 的漏洞推理能力。在使用 75 个经过广泛审计的智能合约漏洞进行控制实验的基础上，我们测试了三
PDF5 months ago
评估指令微调对软件漏洞检测的效果
通过对最新的语言模型的能力进行评估，研究了该模型在其训练数据中所使用的编程语言之外的领域的普适性，并检查了自然语言指令在提高这种普适性中的作用。研究通过对真实数据集的模型性能进行评估，以预测代码的脆弱性，从而对于深度学习在软件脆弱性检测中的
PDF6 months ago
LLbezpeky：利用大型语言模型进行漏洞检测
大规模语言模型 (LLM) 在检测安卓应用的漏洞方面表现出色，通过构建基于人工智能的工作流，能够帮助开发者识别和修复漏洞，并展示其有效性。实验证明，LLMs 在 Ghera 基准测试中能够准确标记不安全应用的案例达到 91.67%。此外，我
PDF6 months ago
语言模型是否学习了代码的语义？漏洞检测案例研究
通过解释性工具、关注分析和交互矩阵分析，我们发现预训练语言模型对于潜在脆弱语句的关联性表现更好，但其对于脆弱路径的关联性较弱甚至没有，基于我们的分析，我们开发了两种突出模型输入中含有错误语义的注释方法，实验结果显示与传统微调相比，在大多数情
PDF8 months ago