一种基于图神经网络的多粒度漏洞检测框架

本发明公开了一种基于图神经网络的多粒度漏洞检测框架，包含九个核心步骤：提取代码的文本嵌入和代码属性图的图特征；对图特征进行特征融合；通过xLSTM对图特征进行序列建模；构建图学习模块，对图结构进行学习；将文本特征与图特征进行特征融合；构建分类器，进行分类；将预测结果与真实标签进行比较，计算损失；提取出代码中的重要路径；对每一条路径进行分类，找出最终包含漏洞的路径。本发明在粗粒度漏洞检测和细粒度漏洞检测上都表现良好，在粗粒度漏洞检测的对比实验中，相对于目前最好的方法，在三个常用数据集上的F1分数的提升分别为9.8％、12.52％、39.05％，在细粒度漏洞检测的对比实验中，F1分数提高了5.72％。