🤖 AI

VulTriage: Triple-Path Context Augmentation for LLM-Based Vulnerability Detection

VulTriage 是一个新颖的框架，它通过三重路径上下文增强策略，将控制流、领域特定知识和语义摘要整合起来，从而增强基于大语言模型的漏洞检测能力，并在基准数据集上实现了最先进的性能。

原作者： Wenxin Tang, Xiang Zhang, Junliang Liu, Jingyu Xiao, Xi Xiao, Jinlong Yang, Yuehe Ma, Zhenyu Liu, Zhengheng Li, Zicheng Wang, Wang Luo, Qing Li, Lei Wang, Peng Xiangli

发布于 2026-05-12

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Wenxin Tang, Xiang Zhang, Junliang Liu, Jingyu Xiao, Xi Xiao, Jinlong Yang, Yuehe Ma, Zhenyu Liu, Zhengheng Li, Zicheng Wang, Wang Luo, Qing Li, Lei Wang, Peng Xiangli

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正在聘请一位才华横溢但略显分心的侦探，去在一座庞大复杂的建筑蓝图中发现隐藏的陷阱。这位侦探就是人工智能（大型语言模型）。虽然人工智能极其聪明，且通晓大量语言知识，但如果你只是将原始蓝图（源代码）交给它，并问：“这里有没有陷阱？”，它往往会忽略细微的危险，或发出误报。它可能会在成千上万行微小的文本中迷失方向，而无法看清建筑实际是如何构建的整体图景。

这篇论文介绍了一个名为VulTriage的新系统（可将其视为一种漏洞“分诊”或分类系统）。VulTriage 并非仅仅将原始蓝图交给人工智能，而是充当一名智能助手，准备三份特定的“作弊清单”，以帮助侦探破案。

以下是三重路径上下文增强的工作原理，使用简单的类比来说明：

1. 控制路径： “交通地图”

问题所在： 原始代码就像一份单词列表。它无法向你展示一辆汽车如何在城市中穿行。漏洞之所以发生，可能是因为一辆汽车（数据）走了一条特定的路线，绕过了停车标志（安全检查）。
解决方案： 控制路径将代码转化为三张特定的地图供人工智能使用：

AST（骨架）： 展示建筑的结构（墙壁、楼层、房间）。
CFG（交通流）： 展示操作顺序（哪条路通向哪里）。
DFG（水管）： 展示数据如何从一个地方流向另一个地方。
神奇之处： 该路径并非向人工智能展示杂乱无章的巨大图表，而是将这些地图翻译成简单、通俗的英文摘要。它告诉人工智能：“嘿，看这里：这个变量从用户输入出发，经过一个循环，最终到达一个内存位置，而在此之前并未检查其大小。”这解决了人工智能的“结构性盲区”。

2. 知识路径： “罪犯数据库”

问题所在： 人工智能是在通用的互联网文本上训练的。它在模糊的层面上知道什么是“缓冲区溢出”，但它没有一份具体的、有条理的已知陷阱类型清单，也没有关于坏人通常如何构建这些陷阱的示例。
解决方案： 在人工智能做出判断之前，知识路径充当图书管理员的角色。它查看代码并询问：“这可能是什么类型的陷阱？”然后，它会查阅一个庞大的官方已知弱点数据库（称为CWE），并提取出 3 到 5 个最相关的“通缉令”以及类似犯罪的示例。
神奇之处： 它将这些具体示例交给人工智能，说道：“还记得这种特定类型的陷阱吗？检查一下代码是否像这样。”这赋予了人工智能明确、专家级的知识，这些知识它可能已经遗忘，或者从未清晰地学习过。

3. 语义路径： “通俗英语摘要”

问题所在： 现实世界的代码充满了令人困惑的捷径、隐藏的循环和棘手的数学运算。即使是一个聪明的人工智能，如果深陷细节之中，也可能误解一段代码实际意图是什么。
解决方案： 语义路径要求人工智能退后一步，忽略令人困惑的语法，写出一份简短、清晰的摘要，说明代码本应完成的功能。
神奇之处： 这就像在要求法官裁决之前，先请一位翻译用简单的语言解释一份复杂的法律文件。这种“去噪”视图有助于人工智能理解程序员的意图，使其更难忽略微妙的逻辑错误。

它们如何协同工作

一旦这三份“作弊清单”准备就绪，VulTriage 就将它们合并成一条巨大的超级指令，发送给人工智能：

“你是一名专家安全侦探。这是蓝图（代码）。这是交通地图（控制路径）。这是针对类似犯罪的通缉令（知识路径）。这是关于该建筑功能的简单摘要（语义路径）。基于所有这些，是否存在陷阱？”

结果

作者在名为PrimeVul的困难数据集上测试了该系统，在该数据集中，“陷阱”（易受攻击的代码）和“安全”代码看起来几乎一模一样，仅在微小、细微的细节上有所不同。

获胜者： VulTriage 击败了所有其他方法，包括其他人工智能模型和深度学习工具。它在发现其他系统忽略的细微差异方面表现更为出色。
证明： 当他们移除任何一份“作弊清单”（地图、数据库或摘要）时，人工智能的性能都会下降。这证明了这三个部分对于解决谜题都是必不可少的。
额外收获： 他们还在一种不太常见的编程语言（Kotlin）上进行了测试，且该语言可用的数据非常少。即使在这种“低资源”环境下，VulTriage 的表现仍然优于竞争对手，表明它是一个灵活的工具。

简而言之： VulTriage 不仅仅是让人工智能去猜测；它赋予人工智能正确的工具、正确的参考书以及对问题的清晰解释，将一名困惑的侦探转变为一位大师级的调查员。

技术摘要：VulTriage

问题陈述

自动化漏洞检测仍是软件安全领域的关键挑战。尽管现有的深度学习方法（如图神经网络 GNN 和预训练代码模型）已取得进展，但它们面临显著局限：基于 GNN 的方法通常依赖复杂的图构建和高质量标签，而预训练模型通常将代码视为线性标记序列，难以捕捉结构依赖和执行语义。

近期的大语言模型（LLM）在代码理解方面展现出潜力，但在直接应用于原始源代码进行漏洞检测时，存在三个具体缺陷：

结构盲区：LLM 将代码作为标记序列处理，难以识别跨语句的控制流路径和数据传播链，而这些对于检测缓冲区溢出等漏洞至关重要。
知识匮乏：通用预训练产生的安全知识是隐式且分散的。LLM 缺乏显式的领域先验，例如漏洞分类体系（如 CWE）和特定的易受攻击代码模式。
语义鸿沟：涉及指针操作、嵌套分支和隐式类型转换的复杂程序逻辑可能导致细微的语义误解，从而引发误报或漏报。

方法论：VulTriage

为克服这些局限，作者提出了VulTriage，这是一个通过三重路径上下文增强来增强基于 LLM 的漏洞检测的框架。VulTriage 并非仅用原始代码提示 LLM，而是构建三个互补的上下文流，将其整合为统一的指令以指导最终推理。

1. 控制路径（结构上下文）

该路径旨在通过提取并口语化静态结构信息来缓解结构盲区。

处理过程：将源代码解析为三种结构图：抽象语法树（AST）、控制流图（CFG）和数据流图（DFG）。
过滤：为管理上下文窗口限制并减少噪声，应用多粒度过滤机制。该机制保留骨架节点（函数、分支、循环）和关键运算符，同时移除语义无关的节点（例如类型展开）。
口语化：将过滤后的图转换为紧凑的自然语言描述，总结代码构成、执行路径和数据传播链。

2. 知识路径（领域先验）

该路径通过检索增强生成（RAG）注入显式的漏洞模式，以解决知识匮乏问题。

知识库：构建基于通用弱点枚举（CWE）数据库的语料库，包含漏洞名称、描述和代码示例。
查询生成：LLM 首先生成对输入代码潜在漏洞类型的粗略预测，作为检索查询。
混合检索：采用混合稠密 - 稀疏检索机制（使用 BGE-M3），将查询与 CWE 语料库进行匹配。该机制结合语义泛化（稠密向量）与词汇精确性（稀疏权重），确保关键术语不丢失。
组装：将检索到的前 k 个 CWE 条目拼接，形成知识上下文 $K$ ，以此锚定 LLM 的判断。

3. 语义路径（功能解释）

该路径通过在最终判决前提供去噪的功能视图，以弥合语义鸿沟。

处理过程：查询 LLM 分析代码，并生成关于其功能行为的简洁自然语言解释（ $E$ ）。
重点：该解释突出关键操作（输入处理、内存操作、系统调用）和可观察的数据流，同时明确避免对不可观察意图的推测。

统一指令

原始代码（ $C$ ）、结构上下文（ $S$ ）、知识上下文（ $K$ ）和语义解释（ $E$ ）被组装为单一的指令提示。LLM 被指示扮演安全工程师的角色，在检索知识和结构依赖的视角下检查代码，随后发出严格的“是/否”判决。

主要贡献

VulTriage 框架：一种由三重路径上下文增强驱动的基于 LLM 的新型检测系统，整合了结构、基于知识和语义的上下文。
控制路径设计：一种将 AST、CFG 和 DFG 信息压缩为 LLM 友好的自然语言的机制，从而更好地感知控制和数据依赖。
知识路径设计：一种混合稠密 - 稀疏检索系统，动态检索源自 CWE 的模式以提供显式的领域先验。
综合评估：广泛的实验证明了该框架的有效性和泛化能力。

实验结果

该框架在PrimeVul配对测试集上进行了评估，该基准旨在测试对易受攻击代码与修复代码对之间的细粒度区分能力。

性能：VulTriage 取得了最先进的性能，优于深度学习基线（CodeBERT、CodeT5、UniXCoder、LineVul）和现有的基于 LLM 的方法（VulTrial、ConColl、GPTLens）。
- 它实现了**147 个成对正确（P-C）**预测，显著优于次优的基于 LLM 的基线（VulTrial 为 81）。
- 它达到了0.6356 的准确率和0.6907 的 F1 分数，在这些主要指标上领先所有基线。
消融研究：移除三条路径（控制、知识或语义）中的任何一条都会导致性能下降。
- 移除控制路径增加了错误率，突显了结构证据的必要性。
- 移除知识路径增加了误报率（FPR），表明了显式漏洞模式的价值。
- 移除语义路径降低了准确率和 F1 分数，证实了功能理解的重要性。
泛化能力：在低资源Kotlin数据集（类别不平衡）上的实验显示，VulTriage 实现了0.57的 F1 分数，优于 ConColl（0.44）和其他基线，证明了其在低资源设置下的鲁棒性。
注意力分析：对注意力分数的分析表明，模型互补地利用所有输入上下文：源代码和语义解释在早期层中权重较高，知识在中层，结构信息在晚期层。

意义

本文声称，VulTriage 证明了结构化、知识感知和语义上下文增强是改进基于 LLM 的漏洞检测的有效方向。通过超越原始标记序列，显式提供结构依赖、特定领域知识和功能摘要，该框架使 LLM 能够更可靠地推理细微的漏洞差异。结果表明，这种方法有效地弥合了 LLM 的通用能力与软件安全分析的具体、严格需求之间的差距。