PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2605.11015v2cs.CR

DCVD: 취약점 탐지와 위치 추정의 결합을 위한 이중 채널 교차 모달 융합

DCVD: Dual-Channel Cross-Modal Fusion for Joint Vulnerability Detection and Localization

소프트웨어 취약점 탐지(vulnerability detection)는 시스템 보안을 보장하는 데 핵심적인 역할을 하며, 실제 환경의 감사(auditing)에서는 함수가 취약한지 여부를 판단하는 것뿐만 아니라 그 원인이 되는 구체적인 코드 라인을 정확히 찾아내는 것도 요구된다. 그러나 기존 접근법들은 순차적(sequential), 구조적(structural), 또는 의미적(semantic) 정보 중 단일 정보 소스에만 의존하여 여러 모달리티(modality) 간의 상호 보완적인 장점을 함께 활용하지 못하거나, 명시적인 라인 수준의 감독(supervision) 없이 문장 수준의 위치 추정을 함수 수준 탐지의 부산물로만 취급한다. 이러한 한계를 해결하기 위해, 우리는 함수 수준 탐지와 문장 수준 위치 추정을 함께 수행하는 통합 프레임워크인 DCVD(Dual-Channel Cross-Modal Vulnerability Detection)를 제안한다. DCVD는 두 개의 병렬 분기(branch)를 통해 제어 종속성(control-dependency) 특징과 의미적 특징을 추출하고, 대조적 정렬(contrastive alignment)과 양방향 교차 어텐션(bidirectional cross-attention)을 결합하여 이를 통합함으로써 모달리티 간 표현 격차(representation gap)를 효과적으로 좁힌다. 또한 함수 수준과 문장 수준 모두에서 명시적인 감독 신호(supervision signal)를 도입하여 두 세분화 수준(granularity) 간의 협력적 최적화(optimization)를 가능하게 한다. 대규모 실제 취약점 벤치마크(benchmark)에 대한 광범위한 실험 결과, DCVD는 함수 수준 탐지와 문장 수준 위치 추정 모두에서 최신(state-of-the-art) 방법들을 일관되게 능가하는 것으로 나타났다. 코드는 https://github.com/vinsontang1/DCVD 에서 확인할 수 있다.