基于改进SMOTE算法和位置编码的漏洞检测模型优化研究

摘要

针对软件代码存在安全隐患等问题,提出一种基于邻域划分加权SMOTE算法的Transformer-CNN(TF-CNN)源代码漏洞检测模型,并且对Transformer模型位置编码进行了改进,可以更好地学习源代码特征表示。模型以可能产生漏洞的库函数为切入点提取代码切片,将其转化为固定长度的特征向量,通过基于邻域划分的加权SMOTE算法合成少数类样本,将合成后的新数据集作为TF-CNN模型的输入。本文方法可充分学习源代码的局部特征和全局特征,能更好地获取源代码的语义信息。实验结果验证了使用加权SMOTE算法的TF-CNN模型比TF-CNN混合模型和单独的Transformer模型有更高的漏洞检测能力,精确率达到98.45%,特异度达到94.99%。