基于大模型的漏洞隐患智能化检测方法

本申请公开了一种基于大模型的漏洞隐患智能化检测方法，其首先对源代码集合进行全局静态分析，构建出程序完整的调用图和数据流图，形成结构化的代码知识图谱；随后，针对识别出的候选漏洞切片，基于这些图谱进行精准的上下文检索与增强，将与漏洞切片强相关的调用链和数据溯源路径等关键信息转化为大语言模型可理解的自然语言描述，注入提示词中，从而为模型提供缺失的全局上下文信息，弥补其在复杂代码分析能力上的不足。通过这种方式，解决了注意力机制在远距离代码关联中失效的问题，显著提升了漏洞检测的准确性和可靠性。