Annual Conference of KIPS (한국정보처리학회:학술대회논문집)

  • 2025.05a
  • /
  • Pages.245-246
  • /
  • 2025
  • /
  • 2005-0011(pISSN)
  • /
  • 2671-7298(eISSN)
Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

Multi-Label Vulnerability Detection in Source Code Using CodeBERT

CodeBERT 기반 소스코드 멀티라벨 취약점 탐지

  • Geonmin Kim (Dept. of Software Engineering, Chonnam National University) ;
  • Eunseong Lee (Dept. of Software Engineering, Chonnam National University) ;
  • Minsoo Jeung (Dept. of Software Engineering, Chonnam National University) ;
  • Dayoung Oh (Dept. of Artificial Intelligence, Chonnam National University) ;
  • Seojun Lee (Dept. of Artificial Intelligence, Chonnam National University) ;
  • Hyeonji Jang (Dept. of Artificial Intelligence, Chonnam National University) ;
  • Kwanghoon Choi (Dept. of Information Security Convergence, Chonnam National University) ;
  • Kyungbaek Kim (Dept. of Artificial Intelligence Convergence, Chonnam National University)
  • 김건민 (전남대학교 소프트웨어공학과) ;
  • 이은성 (전남대학교 소프트웨어공학과) ;
  • 정민수 (전남대학교 소프트웨어공학과) ;
  • 오다영 (전남대학교 인공지능학부) ;
  • 이서준 (전남대학교 인공지능학부) ;
  • 장현지 (전남대학교 인공지능학부) ;
  • 최광훈 (전남대학교 정보보안융합학과) ;
  • 김경백 (전남대학교 인공지능융합학과)
  • Published : 2025.05.29
Download PDF
⟨ Previous Next ⟩

Abstract

현대 소프트웨어 개발 환경은 하나의 코드 스니펫이 다수의 보안 취약점에 동시에 노출되는 위협에 직면해 있다. 본 연구는 이러한 다중 취약점 환경을 반영한 멀티라벨 분류 전략을 기반으로, 사전학습 언어 모델인 CodeBERT의 취약점 인식 성능을 정량적으로 분석한다. SARD 데이터셋을 활용하여 6가지 CWE 유형에 대해 CodeBERT의 정밀도, 재현율, Threshold 변화에 따른 탐지 트레이드오프 등을 고찰한다. 또한, CWE 취약점 유형에 따른 탐지 성능 차이를 논한다.

Keywords

Acknowledgement

본 연구는 한국인터넷진흥원(KISA)-정보보안 특성화대학 지원사업의 지원을 받아 수행된 연구임 (34%). 이논문은 정부(과학기술정보통신부)의 재원으로 정보통신기획평가원-지역지능화혁신인재양성사업의 지원을 받아수행된 연구임(IITP-2025-RS-2022-00156287, 33%). 본 연구는 과학기술정보통신부 및 정보통신기획평가원의 인공지능융합혁신인재양성사업 연구 결과로 수행되었음(IITP-2023-RS-2023-00256629, 33%)