VulReaD：基于知识图谱的软件漏洞推理与检测

软件漏洞检测（SVD）是现代系统中的关键挑战。尽管大语言模型（LLMs）能够提供自然语言解释，但现有工作多集中在二分类评估上，且解释常缺乏与常见弱点枚举（CWE）类别的语义一致性。本文提出VulReaD，一种基于知识图谱的漏洞推理与检测方法，超越了传统的二分类，实现CWE级别的推理。该方法利用安全知识图谱作为语义骨架，并通过一个强大的教师LLM生成符合CWE的对比推理监督信号，从而在无需人工标注的情况下训练学生模型。学生模型通过奇数比偏好优化（ORPO）进行微调，以促进分类一致的推理并抑制不支持的解释。实验结果表明，在三个真实数据集上，VulReaD相比最先进的基线方法，在二分类F1指标上提升了8-10%，在多分类任务中分别提升了30%的Macro-F1和18%的Micro-F1。结果还显示，LLMs在二分类检测中优于深度学习基线，而知识图谱引导的推理增强了CWE覆盖范围和可解释性。