ترجمه فارسی مقاله مدل های مبتنی بر یادگیری برای تشخیص آسیب پذیری: یک مطالعه گسترده

چکیده

Though many deep learning-based models have made great progress in vulnerability detection, we have no good understanding of these models, which limits the further advancement of model capability, understanding of the mechanism of model detection, and efficiency and safety of practical application of models. In this paper, we extensively and comprehensively investigate two types of state-of-the-art learning-based approaches (sequence-based and graph-based) by conducting experiments on a recently built large-scale dataset. We investigate seven research questions from five dimensions, namely model capabilities, model interpretation, model stability, ease of use of model, and model economy. We experimentally demonstrate the priority of sequence-based models and the limited abilities of both LLM (ChatGPT) and graph-based models. We explore the types of vulnerability that learning-based models skilled in and reveal the instability of the models though the input is subtlely semantical-equivalently changed. We empirically explain what the models have learned. We summarize the pre-processing as well as requirements for easily using the models. Finally, we initially induce the vital information for economically and safely practical usage of these models.

چکیده به فارسی (ترجمه ماشینی)

اگرچه بسیاری از مدلهای مبتنی بر یادگیری عمیق در تشخیص آسیب پذیری پیشرفت زیادی داشته اند ، ما درک خوبی از این مدل ها نداریم ، که پیشرفت بیشتر توانایی مدل ، درک مکانیسم تشخیص مدل ، و کارآیی و ایمنی کاربردهای عملی مدل ها را محدود می کند.بشردر این مقاله ، ما به طور گسترده و جامع دو نوع رویکردهای پیشرفته مبتنی بر یادگیری (مبتنی بر توالی و مبتنی بر نمودار) را با انجام آزمایشات روی یک مجموعه داده در مقیاس بزرگ که اخیراً ساخته شده است ، بررسی می کنیم.ما هفت سؤال تحقیق از پنج بعد ، یعنی قابلیت های مدل ، تفسیر مدل ، ثبات مدل ، سهولت استفاده از مدل و اقتصاد مدل را بررسی می کنیم.ما به طور تجربی اولویت مدل های مبتنی بر دنباله و توانایی های محدود هر دو مدل LLM (ChatGPT) و مدل های مبتنی بر نمودار را نشان می دهیم.ما انواع آسیب پذیری را که مدل های مبتنی بر یادگیری ماهر هستند ، کشف می کنیم و بی ثباتی مدل ها را نشان می دهیم ، هرچند که ورودی به طرز ظریف معناداری تغییر یافته است.ما به صورت تجربی توضیح می دهیم که مدل ها چه چیزی را آموخته اند.ما پیش پردازش و همچنین الزامات لازم برای استفاده به راحتی از مدل ها را خلاصه می کنیم.سرانجام ، ما در ابتدا اطلاعات حیاتی را برای استفاده اقتصادی و ایمن از این مدل ها القا می کنیم.