Page 126 - 《软件学报》2025年第12期

吴月明 等: VulFewShot: 利用对比学习改进少样本漏洞分类 5507

CE CE+SupCon
100 100 100 100
95 95 95 95
M_F1 (%) 90 M_F1 (%) 90 M_F1 (%) 90 M_F1 (%) 90

85
85
85
85
80 80 80 80
Large Medium Small Large Medium Small Large Medium Small Large Medium Small
样本规模 样本规模 样本规模 样本规模
(a) MVD vs. CNN (b) MVD vs. BiGRU (c) MVD vs. BiLSTM (d) MVD vs. Atten-BiLSTM
100 100 100 100
95 95 95 95
M_F1 (%) 90 M_F1 (%) 90 M_F1 (%) 90 M_F1 (%) 90

85
85
85
85
80 80 80 80
Large Medium Small Large Medium Small Large Medium Small Large Medium Small
样本规模 样本规模 样本规模 样本规模
(e) MVD-part vs. CNN (f) MVD-part vs. BiGRU (g) MVD-part vs. BiLSTM (h) MVD-part vs. Atten-BiLSTM
图 8 MVD 和 MVD-part 数据集中, 传统深度学习模型和使用 VulFewShot 框架训练的模型
在不同漏洞类型规模上的性能

CE CE+SupCon
8
20 4
6
MVD STD_S 15 STD_M 4 STD_L 3 2
10
2
5 1
0 0 0
CNN BiGRU BiLSTM Atten-BiLSTM CNN BiGRU BiLSTM Atten-BiLSTM CNN BiGRU BiLSTM Atten-BiLSTM
模型 模型 模型
8
20 4
6 3
MVD-part STD_S 10 STD_M 4 STD_L 2
15
5 2 1
0 0 0
CNN BiGRU BiLSTM Atten-BiLSTM CNN BiGRU BiLSTM Atten-BiLSTM CNN BiGRU BiLSTM Atten-BiLSTM
模型 模型 模型
图 9 MVD 和 MVD-part 数据集上传统深度学习模型和使用 VulFewShot 框架训练的模型的 STD 性能

综上所述, VulFewShot 可以显著提高传统深度学习模型在中小规模漏洞类型上的性能, 从而缓解了在少数漏
洞类型上的性能下降. 这种改进从大尺度到小尺度依次增加, 在 MVD-part 数据集上尤为明显.

5 对有效性的威胁

本文的实验方法和结论可能在内部和外部有效性方面受到以下描述的某些方面的潜在威胁.