首页|期刊导航|铁路通信信号工程技术|基于大模型多层语义融合的行级漏洞定位方法研究

基于大模型多层语义融合的行级漏洞定位方法研究OA

中文摘要

针对现有行级漏洞定位方法在长上下文建模、代码行语义对齐和类别不平衡场景下存在的不足,提出一种基于冻结代码大模型的行级漏洞定位方法。该方法利用冻结参数的大模型提取长代码语义特征,通过偏移映射实现字符表示与代码行的精确对齐,并融合多层隐藏状态构建行级语义表示;再采用轻量级适配器建模跨行上下文依赖,并结合损失函数优化缺陷行识别效果。基于BV-LOC数据集的实验结果表明,该方法在Top-K准确率、马修斯相关系数(Matthews Correlation Coefficient,MCC)和AUC值(Area Under Curve)等指标上均优于对比方法,其中AUC达到0.946。实验结果表明,结构化语义对齐与多层特征融合能够有效提升行级漏洞定位性能,具有较好的工程应用价值。

李学良;姜晓宝;张杨;孙超;邱兆阳

北京全路通信信号研究设计院集团有限公司,北京100070 列车自主运行智能控制铁路行业工程研究中心,北京100070北京全路通信信号研究设计院集团有限公司,北京100070 列车自主运行智能控制铁路行业工程研究中心,北京100070北京全路通信信号研究设计院集团有限公司,北京100070 列车自主运行智能控制铁路行业工程研究中心,北京100070北京全路通信信号研究设计院集团有限公司,北京100070 列车自主运行智能控制铁路行业工程研究中心,北京100070北京全路通信信号研究设计院集团有限公司,北京100070 列车自主运行智能控制铁路行业工程研究中心,北京100070

信息技术与安全科学

行级漏洞定位大语言模型深度学习特征融合

《铁路通信信号工程技术》 2026 (9)

P.1-8,8

国家重点研发计划资助项目(2022YFB4300500)。

10.3969/j.issn.1673-4440.2026.09.001

评论