論文の概要: One Strategy Does Not Fit All: Rethinking Data Labeling for Just-in-Time Vulnerability Prediction

• arxiv url: http://arxiv.org/abs/2611.05013v1
• Date: Tue, 03 Nov 2026 14:57:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-07 15:07:18.051997
• Title: One Strategy Does Not Fit All: Rethinking Data Labeling for Just-in-Time Vulnerability Prediction
• Title（参考訳）: データラベリングをジャスト・イン・タイムの脆弱性予測に再考する
• Abstract要約: 脆弱性予測(JIT-VP)はコミット時にコード変更のセキュリティリスクを特定し、脆弱性がソフトウェアシステムに入る前に早期のフィードバックを可能にする。 データセット構築のための脆弱性修正コミット(VFC)と脆弱性導入コミット(VIC)を特定するために、さまざまなトレードオフを持つ複数の戦略が提案されている。 本稿では,これらの下流課題にラベル付け戦略がどう影響するかを実証研究する。
• 参考スコア（独自算出の注目度）: 4.279927341327807
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Just-In-Time Vulnerability Prediction (JIT-VP) identifies security risks in code changes at commit time, enabling early feedback before vulnerabilities enter software systems. However, its practical reliability is challenged by the difficulty of constructing accurate labels. Multiple strategies with different trade-offs have been proposed to identify vulnerability-fixing commits (VFCs) and vulnerability-introducing commits (VICs) for dataset construction, leading to substantially different datasets. This makes it difficult to separate model performance from dataset construction. Moreover, real-world quality assurance requires not only classification but also prioritizing high-risk commits and localizing vulnerable causes. This paper presents an extensive empirical study of how labeling strategies affect these downstream tasks. We constructed 28 datasets using four VFC and four VIC labeling strategies across OpenSSL and Linux kernel, then evaluated six representative JIT-VP models for classification, prioritization, and localization. Our results show that labeling effectiveness is strongly task-dependent. Manual VFC labeling combined with vulnerability-specific VIC labeling provides the most reliable performance for classification and prioritization, significantly outperforming 11 of 15 alternatives. Meanwhile, precision-first VFC labeling combined with LLM-assisted VIC labeling performs best for localization, significantly outperforming 7 of 15 alternatives. These findings demonstrate that no single labeling strategy is universally optimal and highlight the importance of task-oriented dataset construction.
• Abstract（参考訳）: Just-In-Time Vulnerability Prediction (JIT-VP)は、コミット時にコード変更のセキュリティリスクを特定し、脆弱性がソフトウェアシステムに入る前に早期のフィードバックを可能にする。 しかし、正確なラベルを構築することの難しさにより、その実用的信頼性が課題となっている。 データセット構築のための脆弱性修正コミット(VFC)と脆弱性導入コミット(VIC)を特定するために、さまざまなトレードオフを持つ複数の戦略が提案されている。 これにより、データセットの構築からモデルパフォーマンスを分離することが難しくなる。 さらに、現実世界の品質保証には、分類だけでなく、リスクの高いコミットの優先順位付けや、脆弱性のある原因のローカライズも必要です。 本稿では,これらの下流課題に対するラベル付け戦略の影響について,広範な実証的研究を行った。 我々は、OpenSSLとLinuxカーネルにまたがる4つのVFCと4つのVICラベリング戦略を用いて28のデータセットを構築し、分類、優先順位付け、ローカライゼーションのための6つの代表JIT-VPモデルを評価した。 その結果,ラベリングの有効性はタスク依存に強く依存していることが示唆された。 手動VFCラベリングと脆弱性固有のVICラベリングを組み合わせることで、分類と優先順位付けにおいて最も信頼性の高いパフォーマンスが得られる。 一方、LLM支援VICラベルと精度ファーストVFCラベルの組み合わせは、ローカライゼーションに最適であり、15の代替品のうち7つよりも大幅に優れている。 これらの結果は、単一のラベル付け戦略が普遍的に最適であることを示し、タスク指向データセット構築の重要性を強調している。

関連論文リスト

• Cross-Dataset Semantic Segmentation Performance Analysis: Unifying NIST Point Cloud City Datasets for 3D Deep Learning [49.1574468325115]
  本研究では、公共安全アプリケーションに関連する異種ラベル付きポイントクラウドデータセット間のセマンティックセマンティックセマンティクス性能を解析する。 主な課題は、ラベル付きデータ不足、データセット間でクラスラベルを統一することの難しさ、標準化の必要性である。
  論文  参考訳（メタデータ） (2025-08-01T17:59:02Z)
• ConformalSAM: Unlocking the Potential of Foundational Segmentation Models in Semi-Supervised Semantic Segmentation with Conformal Prediction [57.930531826380836]
  本研究は,未ラベル画像のアノテータとして画素レベルの視覚課題におけるラベル不足に,基礎的セグメンテーションモデルが対処できるかどうかを考察する。 ConformalSAMは,まず対象ドメインのラベル付きデータを用いて基礎モデルを校正し,ラベルなしデータの信頼できないピクセルラベルをフィルタリングする新しいSSSSフレームワークである。
  論文  参考訳（メタデータ） (2025-07-21T17:02:57Z)
• FORGE: An LLM-driven Framework for Large-Scale Smart Contract Vulnerability Dataset Construction [34.20628333535654]
  FORGEはスマートコントラクト脆弱性データセットを構築するための最初の自動化アプローチである。 81,390のソリッドリティファイルと27,497の脆弱性を296のCWEカテゴリに分類したデータセットを生成した。 その結果、現在の検出能力の重大な制限が明らかになった。
  論文  参考訳（メタデータ） (2025-06-23T16:03:16Z)
• Stratify: Rethinking Federated Learning for Non-IID Data through Balanced Sampling [9.774529150331297]
  Stratifyは、トレーニング全体を通してクラスとフィーチャーの配布を体系的に管理するために設計された、新しいFLフレームワークである。 従来の階層化サンプリングに着想を得て,SLS(Stratified Label Schedule)を用いてラベル間のバランスの取れた露出を確保する。 プライバシーを守るため,同型暗号化を利用したセキュアクライアント選択プロトコルを実装した。
  論文  参考訳（メタデータ） (2025-04-18T04:44:41Z)
• Robust Semi-Supervised Learning in Open Environments [51.741549825533816]
  半教師付き学習(SSL)は、ラベルが不足しているときにラベルのないデータを活用することで、パフォーマンスを向上させることを目的としている。 不整合なラベル付きデータを利用すると、大幅な性能劣化が発生することが報告されている。 本稿では,SSLにおけるラベル,特徴,データ分散の不整合に関する技術に焦点をあて,この研究の展開を簡潔に紹介する。
  論文  参考訳（メタデータ） (2024-12-24T08:13:01Z)
• Vulnerability Detection with Code Language Models: How Far Are We? [40.455600722638906]
  PrimeVulは、脆弱性検出のためのコードLMのトレーニングと評価のための新しいデータセットである。 これは、人間の検証されたベンチマークに匹敵するラベルの精度を達成する、新しいデータラベリング技術を含んでいる。 また、厳密なデータ重複解消戦略と時系列データ分割戦略を実装して、データの漏洩問題を軽減している。
  論文  参考訳（メタデータ） (2024-03-27T14:34:29Z)
• Empowering HWNs with Efficient Data Labeling: A Clustered Federated Semi-Supervised Learning Approach [2.046985601687158]
  CFL(Clustered Federated Multitask Learning)は,統計的課題を克服するための効果的な戦略として注目されている。 本稿では,より現実的なHWNシナリオ用に設計された新しいフレームワークであるClustered Federated Semi-Supervised Learning (CFSL)を紹介する。 その結果,ラベル付きデータとラベル付きデータの比率が異なる場合,CFSLはテスト精度,ラベル付け精度,ラベル付け遅延などの重要な指標を著しく改善することがわかった。
  論文  参考訳（メタデータ） (2024-01-19T11:47:49Z)
• PointMatch: A Consistency Training Framework for Weakly Supervised Semantic Segmentation of 3D Point Clouds [117.77841399002666]
  本稿では,データ自体から十分な情報を探索するために整合性正規化を適用することで,データとラベルの両面に立つ新しいフレームワークであるPointMatchを提案する。 提案したPointMatchは、ScanNet-v2データセットとS3DISデータセットの両方で、様々な弱い教師付きスキームの下で最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-02-22T07:26:31Z)
• SCARF: Self-Supervised Contrastive Learning using Random Feature Corruption [72.35532598131176]
  本稿では,特徴のランダムなサブセットを乱してビューを形成するコントラスト学習手法であるSCARFを提案する。 SCARFは既存の戦略を補完し、オートエンコーダのような代替手段より優れていることを示す。
  論文  参考訳（メタデータ） (2021-06-29T08:08:33Z)
• PseudoSeg: Designing Pseudo Labels for Semantic Segmentation [78.35515004654553]
  ラベルなしまたは弱いラベル付きデータを用いたトレーニングのための構造化された擬似ラベルを生成するための擬似ラベルの再設計を提案する。 提案手法の有効性を,低データと高データの両方において示す。
  論文  参考訳（メタデータ） (2020-10-19T17:59:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。