项目推荐：Devign - 利用图神经网络学习程序语义进行高效漏洞识别

项目推荐：Devign - 利用图神经网络学习程序语义进行高效漏洞识别

devign Effective Vulnerability Identification by Learning Comprehensive Program Semantics via Graph Neural Networks 项目地址: https://gitcode.com/gh_mirrors/de/devign

1. 项目基础介绍及主要编程语言

Devign 是一个开源项目，旨在通过学习全面的程序语义，利用图神经网络（Graph Neural Networks, GNNs）进行高效漏洞识别。该项目主要由 Python 编程语言实现，依赖于多个流行的开源库，如 PyTorch、PyTorch Geometric、Pandas 等。

2. 项目的核心功能

Devign 的核心功能是通过构建代码属性图（Code Property Graph, CPG）并使用图神经网络对其进行训练，从而识别代码中的潜在漏洞。主要功能包括：

• 代码属性图生成：利用 Joern 工具从源代码中生成抽象语法树（AST）、控制流图（CFG）和数据流图（DFG），并将它们整合成 CPG。

• 图神经网络模型：通过训练 GNN 模型，学习代码的语义表示，从而识别可能的安全漏洞。

• 数据集处理：项目包含对数据集的处理流程，包括数据清洗、分片、嵌入等步骤。

3. 项目最近更新的功能

根据项目最近的活动记录，以下是一些最近更新的功能：

• 性能优化：对图神经网络模型进行了性能优化，提高了漏洞识别的准确性和效率。

• 数据预处理改进：改进了数据预处理流程，提高了数据质量和模型训练的稳定性。

• 文档和完善：项目文档得到了更新和完善，使得项目更易于理解和使用。

• 依赖库更新：更新了项目依赖的多个库版本，以确保与最新技术的兼容性。

通过这些更新，Devign 项目的功能性和可用性得到了进一步提升，为研究者和开发人员提供了一个强大的工具，用于探索和实现基于图神经网络的代码分析技术。

devign Effective Vulnerability Identification by Learning Comprehensive Program Semantics via Graph Neural Networks 项目地址: https://gitcode.com/gh_mirrors/de/devign