“ 深度学习在软件漏洞检测上已有不少成功尝试，但现实问题依然明显：漏洞样本少、类别极度不平衡，导致模型易漏报、误报。MPDA（multiperspective data augmentation）提出通过三种互补的增强策略（oversampling、GAN、fuzzy sampling）与两套策略选择算法（OSS / FSS），按漏洞类型与下游模型自动选择最优增强组合，从而系统性地提高训练数据的质量与多样性。”

论文：MPDA: a data augmentation approach to improve deep learning for software vulnerability detection
作者：Feiqiao Mao, Yingxiang Yuan, Xingyang Du, Li Gao, Zhihua Du
单位：深圳大学软件与计算机学院
期刊：Empirical Software Engineering (2025)

开源代码：https://github.com/Yfeix/MPDA.

01

—

方法简介

MPDA 的流程分三步：

1. →方法级代码预处理（基于 Word2Vec 将方法/行转换成向量）

2. 多视角增强（OSS：智能选过采样、GAN：生成正/负样本、FSS：模糊采样策略选择）

3. 用增强后的训练集训练下游模型（LSTM/GRU/BiLSTM/BiGRU/ Transformer）。

关键在于两个自动选择算法：OSS（为每类漏洞挑选最合适的oversampling）与 FSS（为每类漏洞 & 下游模型挑选最合适的 fuzzy 策略），从而实现“因类制宜”的增强。

图：MPDA 三大组件与策略选择流程

小结：MPDA不是把所有增强堆在一起，而是通过策略选择把最合适的增强“配给”每一类漏洞与模型，从而既增加数量又保留可学特征。

02

—

关键机制

机制	核心实现	目标与作用
OSS（Oversampling Strategy Selection）	候选：SMOTE / Borderline-SMOTE / ADASYN。基于漏洞类型的嵌入分布自动选择最合适方法。	针对不同分布选择最佳过采样，减少噪声/过拟合风险。
GAN-based 生成	正/负样本分别训练 pGAN / nGAN，生成语义上更真实的合成样本。	扩充稀缺类别样本数量并提升多样性，缓解样本不足。
FSS（Fuzzy Sampling Strategy Selection）	设计四种 fuzzy 策略，按漏洞类型与下游模型复杂度自动匹配（basic vs variant NN）。	通过受控扰动提升泛化能力并在不同模型间找到最优增强组合。
策略组合（MPDA）	OSS + GAN + FSS 的协同组合（OSS+GAN+FSS 被定义为 MPDA 的默认组合）。	综合三类增强的优点，对多数模型在 F1 / Recall 上带来显著提升。

小结：三类增强互补、两套策略自动化选择，是 MPDA 在多模型、多漏洞类型上稳定提升的核心设计理念。

03

—

实验结果

主要实验基准为 Juliet 1.2 Java Test Suite（选取 29 类常用 CWE 做主测试）。论文还评估了51类小样本子集以验证对小样本场景的效果。训练/验证/测试划分采用 8:1:1。关键比较结果如下：

表12 应用不同过采样方法改进LSTM和GRU的结果

方法	LSTM
	A	P	R	F1
Baseline	80.7	66.8	46.5	50.7
SMOTE	79.5	65.1	78.9	67.6
GAN	81.2	75.8	48.4	52.9
Fuzzy	80.2	63.9	51.7	53.3
MPDA	91.2	80.9	96.7	87.4

方法	GRU
	A	P	R	F1
Baseline	80.2	69.3	39.5	46.0
SMOTE	76.7	66.2	70.0	61.2
GAN	80.4	69.0	48.2	49.2
Fuzzy	78.0	65.8	42.3	46.4
MPDA	85.7	69.1	79.9	72.3

表19 利用FSS优化数据增强以改进BiLSTM和BiGRU的结果

方法	BiLSTM
	A	P	R	F1
SMOTE+GAN+Fuzzy	91.8	81.9	94.5	86.3
SMOTE+GAN+FSS	92.9	84.3	95.3	88.5
OSS+GAN+Fuzzy	92.3	82.7	95.7	86.8
MPDA	95.5	88.1	98.9	93.1

方法	BiGRU
	A	P	R	F1
SMOTE+GAN+Fuzzy	92.2	83.1	95.1	86.2
SMOTE+GAN+FSS	92.2	82.8	95.5	87.7
OSS+GAN+Fuzzy	93.5	84.5	96.0	88.8
MPDA	95.4	88.7	98.2	93.2

小结：MPDA 在各类模型上均显著提升 Recall 与 F1 ——  对简单模型（LSTM/GRU）提升尤为明显；对较强模型（BiLSTM/BiGRU）仍能带来10%+的F1增益，Transformer 的  F1 也有小幅正向提升（≈3.9%）。统计检验显示多数指标差异显著。

📌 总结

MPDA 通过“三管齐下”的增强策略与“按类选择”的调度算法，有效解决了漏洞数据的稀缺与不平衡问题。在 Juliet Java Suite  的大量实验证明：MPDA 能在多数深度学习模型上把 Recall 与 F1 明显拉升（在多数情形下 F1 提升  ≥12%，简单模型的相对增益更高），同时对小样本类也能带来可观改善。

📣 欢迎留言讨论

• 你认为在漏洞检测中，数据增强是否比模型架构改进更能短期内提高可用性？

• 在工业落地时，MPDA 这种自动策略选择的成本是否值得（计算/人工/验证）？

📌 点赞 · 收藏 · 分享 —— 你的支持，是我们持续解读前沿论文的最大动力。