Les systèmes de détection de vulnérabilités logicielles basés sur l'apprentissage profond, véritables 'agents de sécurité' du numérique, identifient efficacement les failles logicielles. Cependant, une étude nommée EaTVul met en lumière un nouveau défi dans ce domaine. EaTVul est une stratégie d'attaque d'évitement innovante qui modifie le code vulnérable pour induire en erreur les systèmes de détection basés sur l'apprentissage profond, avec un taux de réussite allant de 83% à 100%. Son fonctionnement repose sur l'utilisation de machines à vecteurs de support pour identifier les échantillons clés, de mécanismes d'attention pour reconnaître les caractéristiques essentielles, de la génération de données trompeuses par des chatbots IA, et de l'obfuscation.