CS-GNN:用于真實(shí)世界漏洞檢測(cè)的類敏感圖神經(jīng)網(wǎng)絡(luò)

摘要： 針對(duì)當(dāng)前大多數(shù)基于深度學(xué)習(xí)的漏洞檢測(cè)方法在應(yīng)用于工業(yè)5.0系統(tǒng)中檢測(cè)不平衡的真實(shí)世界的漏洞時(shí)，受到程序代碼流程信息利用不足的限制，導(dǎo)致誤報(bào)率很高的問題，提出了類敏感圖神經(jīng)網(wǎng)絡(luò)(class-sensitive graph neural network, CS-GNN),一種新型的函數(shù)級(jí)真實(shí)世界漏洞檢測(cè)方法。該方法基于代碼屬性圖(code property graph, CPG)和... （共10頁）