多模态深度学习在源代码漏洞检测中的应用研究
黄蓉
吴曦
信阳艺术职业学院 河南信阳 464000
摘要：针对源代码静态分析中存在的语义建模不足与结构感知能力弱等问题,文章提出一种基于多模态深度学习的源代码漏洞检测方法.该方法融合Token序列、抽象语法树(AST)与控制流图(CFG)三类信息,分别通过Transformer与图神经网络提取模态特征,并引入注意力机制实现语义对齐与特征融合.在Juliet与Devign两个主流数据集上开展性能验证,并设计对比实验与消融实验评估模型有效性.结果表明,所提方法在准确率、召回率与F1值方面均优于单模态或双模态模型,具备良好的检测精度与泛化能力,为深度学习在源代码静态漏洞分析中的实用化提供了新路径.
关键词：多模态学习深度漏洞检测抽象语法树控制流图图神经网络
论文发表日期：2025-12-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 36-39 )