FORTIFY：从“代码路径”出发，真正定位漏洞的执行轨迹

“ 在真实软件系统中，漏洞往往并不对应单一语句或函数，而是隐藏在特定执行路径中：只有当程序沿着某条路径运行、特定条件被同时满足时，漏洞才会被触发。然而，现有漏洞检测方法仍停留在函数级或代码片段级建模，忽略了路径内部的控制流顺序、特征依赖与图结构信息，导致模型“知道哪里有风险”，却说不清“风险是如何发生的”。

针对这一问题，研究者提出了 FORTIFY ，一种面向路径级漏洞检测的表示与建模框架，显式融合特征导向表示与程序图拓扑结构，让模型能够真正理解漏洞的执行上下文。”

• 📄 论文标题：FORTIFY: Feature-Oriented Representation and Graph Topology Integration for Path-Level Vulnerability Detection

• 📅 发表时间：ACM Transactions on Architecture and Code Optimization, 2025

• 🏫 作者单位：大连海事大学、梅西大学

• 💡开源代码：    https://github.com/ACoTAI/FORTIFY

01—方法介绍

FORTIFY的核心思想是：漏洞是“沿路径发生的行为”，而不是孤立代码位置的属性。为此，论文从“路径”和“结构”两个维度重构漏洞表示方式，整体流程可概括为三步：

① 路径级特征抽取

以执行路径为基本分析单元，提取语义、控制与数据相关特征。

② 特征导向表示学习

对不同类型特征进行针对性编码，避免信息混杂与语义稀释。

③ 图拓扑融合建模

将路径嵌入到程序图结构中，联合建模顺序关系与结构依赖。

图 1. FORTIFY整体流程 

小结：FORTIFY 不再“看代码块”，而是“看代码是如何一步步执行到漏洞的。

02—关键机制

1. 路径级漏洞检测视角,突破函数级、行级检测的表达上限。
2. 特征导向表示设计,针对不同特征类型进行差异化建模。
3. 图拓扑深度融合,显式利用程序结构约束路径语义。
4. 更强可解释性,模型预测结果可回溯至具体执行路径。

小结：该框架的关键在于“路径 + 结构”的联合，而非二者割裂建模。

03—实验结果

为了评估FORTIFY的性能，实验使用了四个公开可用的漏洞数据集：SARD、NVD、FFmpeg和PX4无人机平台。这些数据集涵盖了广泛的C/C++漏洞类型，确保了多样性和代表性。主要实验结果如下。

（1）表1展示了FORTIFY和基线模型中不同模型的F1分数。为了验证FORTIFY在检测各种漏洞方面的能力，实验在19种CWE类型上将其性能与九个基线模型进行了比较。

表1. F1分数（↑）在漏洞类型和模型之间的比较

（2）表2报告了FORTIFY与基于Transformer和LLM的基线比较结果，实验在具有代表性的CWE类别上评估了最新的预训练模型。

表2. 在具有代表性的CWE类型中，与Transformer/LLM基线模型的F1分数对比

（3）图2展示了SCG、PDG和随机切片策略之间的路径覆盖对比。实验对FFgmep实例中的250个真实漏洞进行了敏感路径覆盖评估。SCG（绿色）保留了完整的攻击路径，如缓冲区溢出链，而PDG（橙色）则忽略了跨函数依赖关系。

图2. 典型漏洞的路径覆盖率对比

小结：FORTIFY是一个基于图的漏洞检测框架，它集成了程序依赖图（PDGs）、多类型边建模以及一种新颖的边-超图嵌入机制。针对19种CWE漏洞类型的实验评估表明，FORTIFY的F1分数达到了97.2%，并且在PX4等真实世界软件上保持了高准确性和鲁棒性。

📌 总结

FORTIFY从程序真实执行行为出发，重新定义了漏洞检测的建模粒度。通过将路径级语义与程序图拓扑深度融合，该方法让模型不再停留在“代码长什么样”，而是理解“漏洞是如何一步步被触发的”。

这一工作表明，未来漏洞检测的重要方向之一，或许正是从静态位置判断，走向执行语义理解。 

📣 欢迎留言讨论

• 你认为路径级漏洞检测是否具备足够的工程可扩展性？

• 在大规模项目中，路径数量爆炸问题该如何权衡精度与效率？

📌 点赞 + 收藏 + 分享，你的支持，是我们持续解析高水平软件安全论文的最大动力！