vinsontang1/dcvdКод в "DCVD: Dual-Channel Cross-Modal Fusion for Joint Vulnerability Detection and Localization"
project/
├── train.py
├── data_loader.py
├── README.md
├── requirements.txt
├── models/
│ ├── control_pathway.py
│ ├── semantic_pathway.py
│ ├── feature_fusion_module.py
│ ├── transformer_llm_module.py
│ └── multi_task_predictor.py
Для обнаружения уязвимостей мы используем набор данных LineVul:
Michael Fu and Chakkrit Tantithamthavorn, "LineVul: A Transformer-based Line-Level Vulnerability Prediction", MSR 2022.
Статья: https://conf.researchr.org/details/msr-2022/msr-2022-technical-papers/26/LineVul-A-Transformer-based-Line-Level-Vulnerability-Prediction
Репозиторий: https://github.com/awsm-research/LineVul
Затем мы преобразуем набор данных в графовые структуры и сопоставляем каждый образец с объяснениями, сгенерированными LLM.
Мы используем следующие предобученные модели:
OpenAI GPT-4o-mini
OpenAI, "Hello GPT-4o", 2024.
URL: https://openai.com/index/hello-gpt-4o/
Модели Qwen (серия Qwen3)
Qwen Team, "Qwen3 Technical Report", arXiv:2505.09388, 2025.
Статья: https://arxiv.org/abs/2505.09388
Репозиторий: https://github.com/QwenLM/Qwen3
GraphCodeBERT
Guo et al., "GraphCodeBERT: Pre-training Code Representations with Data Flow", ICLR 2021.
Статья: https://arxiv.org/abs/2009.08366
Репозиторий: https://github.com/microsoft/CodeBERT
В этом проекте используются общедоступные наборы данных и предобученные модели. Их лицензии перечислены ниже:
Набор данных LineVul
Лицензия: MIT License
Источник: https://github.com/awsm-research/LineVul
OpenAI GPT-4o-mini
Использование регулируется Условиями использования OpenAI.
Модели Qwen (Qwen3.5-4B)
Лицензия: Apache License 2.0
Источник: https://github.com/QwenLM/Qwen3
GraphCodeBERT
Лицензия: MIT License
Источник: https://github.com/microsoft/CodeBERT
Все ресурсы используются в соответствии с их соответствующими лицензиями.
python >= 3.9
torch>=2.0.0
torch-geometric>=2.4.0
transformers>=4.35.0
accelerate>=0.25.0
sentencepiece
pandas>=1.5.0
tqdm>=4.60.0
tensorboard
PyTorch Geometric (PyG) зависит от CUDA. Установите его в соответствии с вашим окружением.
data/
├── processed/
│ ├── train_data_masked.pt
│ ├── train_with_llm.csv
│ ├── val_data_masked.pt
│ ├── val_with_llm.csv
│ ├── test_data_masked.pt
│ ├── test_with_llm.csv
├── config/
│ └── node_vocab.json
CSV-файл должен содержать следующие поля:
index: уникальный идентификатор образцаfunc_before: исходный кодllm_explanation: объяснение, сгенерированное LLMКаждый объект PyG Data должен включать:
index: соответствует CSVx: признаки узловast_edge_index: рёбра ASTcfg_edge_index: рёбра CFGy_f: метка на уровне функцииy_s: метки на уровне строкline_mask: отображение токенов на строкиФреймворк использует следующие предобученные модели:
Qwen/Qwen3.5-4Bmicrosoft/graphcodebert-baseВы можете изменить их с помощью:
--llm_model_name
--transformer_base_name
python train.py \
--train_pt_path ./data/processed/train_data_masked.pt \
--train_csv_path ./data/processed/train_with_llm.csv \
--valid_pt_path ./data/processed/val_data_masked.pt \
--valid_csv_path ./data/processed/val_with_llm.csv \
--vocab_path ./data/config/node_vocab.json \
--output_dir ./outputs \
--run_name demo
Результаты будут сохранены в:
outputs/<run_name>/
Включая: