paperbot · PL 论文追踪

全部论文 待读 收藏

P2 SinkFinder: harvesting hundreds of unknown interesting function pairs with just one seed

SinkFinder：仅用一个种子收获数百个未知的 interesting 函数对
FSE Proceedings of the 28th ACM Joint Meeting on European Software Engineering Conference and Symposium on the Foundations of Software Engineering2020匹配度 3/10 · 该论文属于程序分析与机器学习结合的安全敏感函数发现，与用户关注的静态分析有交集；但其核心是安全场景下的函数对挖掘，未涉及 LLM/Agent、浮点程序分析或贝叶斯程序分析，也未面向 ML 系统/Agentic 程序，因此与研究方向核心匹配度较低。引用 17 inbox
Pan Bian, Bin Liang, Jianjun Huang, Wenchang Shi, Xidong Wang, Jian Zhang
安全与隐私程序分析与抽象解释
crossref: 2026-09-12

AI 速览

一句话：提出 SinkFinder，以单个种子自动发现大量未知的安全敏感函数对，降低对标注样本的依赖。

识别可能引发漏洞的安全敏感函数对漏洞检测很有价值，但这类函数难以直接识别。现有基于机器学习的方法通常依赖充分的标注训练样本等先验知识，而实际中往往难以满足。为此，论文提出 SinkFinder，只需一个种子即可自动收获未知的 interesting function pairs，从而显著降低对大量标注数据的依赖。标题表明该方法能够以单个种子发现数百个此前未知的 interesting function pairs，为安全敏感函数识别与漏洞检测提供了一种低先验知识需求的方案。

问题
识别可能引发漏洞的安全敏感函数对漏洞检测很有价值，但现有方法（尤其是机器学习方法）依赖大量标注样本等先验知识，实践中难以满足。
方法
提出 SinkFinder，仅需一个种子函数对即可自动收获未知的 interesting function pairs，避免对充分标注训练样本的强依赖。
评估
标题表明该方法能以单个种子收获数百个未知的 interesting function pairs；摘要未给出具体实验设置与量化指标。
原文摘要（Abstract）

Mastering the knowledge about security-sensitive functions that can potentially result in bugs is valuable to detect them. However, identifying this kind of functions is not a trivial task. Introducing machine learning-based techniques to do the task is a natural choice. Unfortunately, the approach also requires considerable prior knowledge, e.g., sufficient labelled training samples. In practice, the requirement is often hard to meet.

链接与引用

DOI 原文 ·

BibTeX 
@inproceedings{paperbot5717,
  title = {SinkFinder: harvesting hundreds of unknown interesting function pairs with just one seed},
  author = {Pan Bian and Bin Liang and Jianjun Huang and Wenchang Shi and Xidong Wang and Jian Zhang},
  booktitle = {FSE},
  year = {2020},
  doi = {10.1145/3368089.3409678}
}