paperbot · PL 论文追踪

全部论文 待读 收藏

P2 Vulnerability detection with fine-grained interpretations

具有细粒度解释的漏洞检测
FSE Proceedings of the 29th ACM Joint Meeting on European Software Engineering Conference and Symposium on the Foundations of Software Engineering2021匹配度 4/10 · 该论文属于机器学习/深度学习用于程序漏洞检测并提供可解释性，与PL与AI交叉有一定关联；但它不涉及Agentic程序、LLM/Agent改进静态分析、浮点程序分析或贝叶斯程序分析，也不是用户画像的核心方向。引用 277 inbox
Yi Li, Shaohua Wang, Tien N. Nguyen
机器学习与程序语言安全与隐私
crossref: 2026-09-12

AI 速览

一句话：提出可解释漏洞检测器 IVDetect，用 AI 检测漏洞并以脆弱语句形式提供解释。

尽管基于机器学习和深度学习的漏洞检测器（VD）取得了成功，但它们只能判断给定代码是否存在漏洞，无法说明代码中哪些部分与检测到的漏洞相关。本文提出 IVDetect，一个可解释的漏洞检测器，其设计理念是：使用人工智能（AI）来检测漏洞，同时使用智能助手（IA）以脆弱语句（vulnerable statements）的形式提供漏洞检测解释。该方法将漏洞判定与可解释性分离，输出语句级的细粒度解释。摘要未报告具体实验数据与评估结果。

问题
现有 ML/DL 漏洞检测器仅能给出代码是否脆弱的二分类决策，缺乏关于代码中与漏洞相关部分的细节。
方法
IVDetect 采用 AI 负责漏洞检测、IA 负责提供解释的理念，以脆弱语句的形式给出细粒度解释。
评估
摘要未提供具体评估方式、数据集或实验结果；仅说明该检测器可输出语句级解释。
原文摘要（Abstract）

Despite the successes of machine learning (ML) and deep learning (DL)-based vulnerability detectors (VD), they are limited to providing only the decision on whether a given code is vulnerable or not, without details on what part of the code is relevant to the detected vulnerability. We present IVDetect, an interpretable vulnerability detector with the philosophy of using Artificial Intelligence (AI) to detect vulnerabilities, while using Intelligence Assistant (IA) to provide VD interpretations in terms of vulnerable statements.

链接与引用

DOI 原文 · PDF（开放获取） ·

BibTeX 
@inproceedings{paperbot6427,
  title = {Vulnerability detection with fine-grained interpretations},
  author = {Yi Li and Shaohua Wang and Tien N. Nguyen},
  booktitle = {FSE},
  year = {2021},
  doi = {10.1145/3468264.3468597}
}