文献：
Towards Balanced Defect Prediction with Better Information Propagation - AAAI 2021
1 背景
为发现的漏洞对软件安全和质量造成巨大影响，所以漏洞预测模型对软件生态具有重要意义。
2 动机
目前使用DL模型进行漏洞预测存在以下3个缺点：
- 标记数据少：已知漏洞代码数量较少，缺乏大量标记的代码样本；
- 数据不平衡：当前代码数据中漏洞样本占比较少；
-
消息传递机制不完善：各代码工件的标签对消息传递的影响未加入研究；
- 节点特征通过连接矩阵在节点之间进行信息传递，但是节点本身的标签信息在消息传递阶段却未被考虑；
本文的主要目标就是为解决上述3个缺点。
3 方法
step1：Graph construction & embedding
-
- Graph construction：利用CodeOntology
- Graph embedding：图表示学习
step2：消息传递矩阵优化
传统的消息传递矩阵仅仅考虑了图结构，而未考虑节点标签和节点属性，例如最常用的邻接矩阵和拉普拉斯矩阵都只代表了图的结构信息。
为了保证在消息传递时：
4 实验
5 讨论
Towards Balanced Defect Prediction with Better Information Propagation