近年来，深度学习模型（DLM）在软件漏洞检测领域的应用探索引起了行业广泛关注，在某些情况下，利用DLM模型能够获得超越传统静态分析工具的检测效果。然而，虽然研究人员对DLM模型的价值预测让人惊叹，但很多人对这些模型本身的特性并不十分清楚。

为了从应用角度对DLM模型在漏洞检测场景下的能力与价值进行验证，Steenhoek等人发表了《An Empirical Study of Deep Learning Models for Vulnerability Detection》（《漏洞检测的深度学习模型实证研究》）论文。该论文全面回顾了近年来公开发表的DLM在源代码漏洞检测方面的相关研究，并实际复现了多个SOTA深度学习模型（见表1）。通过将这些模型在两个广泛使用的漏洞检测数据集上进行充分实验，论文作者从模型能力、训练数据和模型解释等方面进行了6个专项课题的研究分析。