Buchumschlag

Evaluating Line-level Localization Ability of Learning-based Code Vulnerability Detection Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pintore, Marco, Piras, Giorgio, Sotgiu, Angelo, Pintor, Maura, Biggio, Battista
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Regression-aware Continual Learning for Android Malware Detection
von: Ghiani, Daniele, et al.
Veröffentlicht: (2025)

Label-efficient Training Updates for Malware Detection over Time
von: Minnei, Luca, et al.
Veröffentlicht: (2026)

Adversarial Pruning: A Survey and Benchmark of Pruning Methods for Adversarial Robustness
von: Piras, Giorgio, et al.
Veröffentlicht: (2024)

ImageNet-Patch: A Dataset for Benchmarking Machine Learning Robustness against Adversarial Patches
von: Pintor, Maura, et al.
Veröffentlicht: (2022)

Robustness-Congruent Adversarial Training for Secure Machine Learning Model Updates
von: Angioni, Daniele, et al.
Veröffentlicht: (2024)

Prototype-Guided Robust Learning against Backdoor Attacks
von: Guo, Wei, et al.
Veröffentlicht: (2025)

$σ$-zero: Gradient-based Optimization of $\ell_0$-norm Adversarial Examples
von: Cinà, Antonio Emanuele, et al.
Veröffentlicht: (2024)

Evaluating the Evaluators: Trust in Adversarial Robustness Tests
von: Cinà, Antonio Emanuele, et al.
Veröffentlicht: (2025)

AttackBench: Evaluating Gradient-based Attacks for Adversarial Examples
von: Cinà, Antonio Emanuele, et al.
Veröffentlicht: (2024)

Robust Synthetic Data-Driven Detection of Living-Off-the-Land Reverse Shells
von: Trizna, Dmitrijs, et al.
Veröffentlicht: (2024)

Silent Until Sparse: Backdoor Attacks on Semi-Structured Sparsity
von: Guo, Wei, et al.
Veröffentlicht: (2025)

ModSec-AdvLearn: Countering Adversarial SQL Injections with Robust Machine Learning
von: Floris, Giuseppe, et al.
Veröffentlicht: (2023)

BlackCATT: Black-box Collusion Aware Traitor Tracing in Federated Learning
von: Rodríguez-Lois, Elena, et al.
Veröffentlicht: (2026)

Nebula: Self-Attention for Dynamic Malware Analysis
von: Trizna, Dmitrijs, et al.
Veröffentlicht: (2023)

SAGE-5GC: Security-Aware Guidelines for Evaluating Anomaly Detection in the 5G Core Network
von: Manca, Cristian, et al.
Veröffentlicht: (2026)

Vulnerability Detection in C/C++ Code with Deep Learning
von: Huang, Zhen, et al.
Veröffentlicht: (2024)

Backdoor Learning Curves: Explaining Backdoor Poisoning Beyond Influence Functions
von: Cinà, Antonio Emanuele, et al.
Veröffentlicht: (2021)

Deep Learning-based Binary Analysis for Vulnerability Detection in x86-64 Machine Code
von: Petingola, Mitchell
Veröffentlicht: (2026)

A Systematic Study of Code Obfuscation Against LLM-based Vulnerability Detection
von: Li, Xiao, et al.
Veröffentlicht: (2025)

Vulnerabilities in Machine Learning-Based Voice Disorder Detection Systems
von: Perelli, Gianpaolo, et al.
Veröffentlicht: (2024)

Evaluating Large Language Models in Vulnerability Detection Under Variable Context Windows
von: Lin, Jie, et al.
Veröffentlicht: (2025)

Learning-based Models for Vulnerability Detection: An Extensive Study
von: Ni, Chao, et al.
Veröffentlicht: (2024)

secml-malware: Pentesting Windows Malware Classifiers with Adversarial EXEmples in Python
von: Demetrio, Luca, et al.
Veröffentlicht: (2021)

LatentBreak: Jailbreaking Large Language Models through Latent Space Feedback
von: Mura, Raffaele, et al.
Veröffentlicht: (2025)

Uncovering the Limits of Machine Learning for Automatic Vulnerability Detection
von: Risse, Niklas, et al.
Veröffentlicht: (2023)

VulStyle: A Multi-Modal Pre-Training for Code Stylometry-Augmented Vulnerability Detection
von: Biringa, Chidera, et al.
Veröffentlicht: (2026)

From Trace to Line: LLM Agent for Real-World OSS Vulnerability Localization
von: Xi, Haoran, et al.
Veröffentlicht: (2025)

Beyond Fidelity: Explaining Vulnerability Localization of Learning-based Detectors
von: Cheng, Baijun, et al.
Veröffentlicht: (2024)

Poisoned Source Code Detection in Code Models
von: Ghannoum, Ehab, et al.
Veröffentlicht: (2025)

Energy-Latency Attacks via Sponge Poisoning
von: Cinà, Antonio Emanuele, et al.
Veröffentlicht: (2022)

Top Score on the Wrong Exam: On Benchmarking in Machine Learning for Vulnerability Detection
von: Risse, Niklas, et al.
Veröffentlicht: (2024)

From Lab to Reality: A Practical Evaluation of Deep Learning Models and LLMs for Vulnerability Detection
von: Lu, Chaomeng, et al.
Veröffentlicht: (2025)

Efficient Software Vulnerability Detection Using Transformer-based Models
von: Shaik, Sameer, et al.
Veröffentlicht: (2026)

On Reliability of Efficient Membership Inference Vulnerability Evaluation
von: Jälkö, Joonas, et al.
Veröffentlicht: (2026)

Vulnerability Detection in Ethereum Smart Contracts via Machine Learning: A Qualitative Analysis
von: Ressi, Dalila, et al.
Veröffentlicht: (2024)

Using Graph Theory for Improving Machine Learning-based Detection of Cyber Attacks
von: Zonneveld, Giacomo, et al.
Veröffentlicht: (2024)

S2AP: Score-space Sharpness Minimization for Adversarial Pruning
von: Piras, Giorgio, et al.
Veröffentlicht: (2025)

LLM-based Vulnerability Discovery through the Lens of Code Metrics
von: Weissberg, Felix, et al.
Veröffentlicht: (2025)

Vulnerability Detection in Smart Contracts: A Comprehensive Survey
von: De Baets, Christopher, et al.
Veröffentlicht: (2024)

Knowledge Migration Framework for Smart Contract Vulnerability Detection
von: Wang, Luqi, et al.
Veröffentlicht: (2024)