研究评估深度学习模型与LLM漏洞检测能力
热点事件持续更新
研究评估深度学习模型与LLM漏洞检测能力
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
Chaomeng Lu 与 Bert Lagaisse 发表论文，系统评估漏洞检测模型在真实场景下的表现。研究在 Juliet、Devign、BigVul、ICVul 四个数据集上测试 Devign、ReVeal、LineVul、VulBERTa 四个深度学习模型，并在新构建的 VentiVul 数据集上测试 ReVeal、LineVul 及四个开放权重 LLM。 论文将评估范围从实验室数据集扩展到新构建的 VentiVul 数据集，但 VentiVul 上的测试只覆盖 ReVeal、LineVul 和四个开放权重 LLM，未包括 Devign 与 VulBERTa。
AI 根据报道生成 · 19 分钟前更新
最新进展11月5日 13:00
从实验室到现实：深度学习模型与 LLM 漏洞检测的实用评估报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv cs.SE从实验室到现实：深度学习模型与 LLM 漏洞检测的实用评估
该研究系统评估 Devign、ReVeal、LineVul、VulBERTa 四个深度学习模型在 Juliet、Devign、BigVul、ICVul 四个数据集上的表现，并在新构建的 VentiVul 数据集上测试 ReVeal、LineVul 及四个开放权重 LLM。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。