論文查重服務(wù)12年
211、985指定查重網(wǎng)
-
全國(guó)咨詢電話：0571-28284626
借鑒計(jì)算機(jī)視覺領(lǐng)域中的目標(biāo)檢測(cè)過(guò)程，將深度學(xué)習(xí)用于漏洞檢測(cè)領(lǐng)域，主要存在以下三方面挑戰(zhàn)：一是目標(biāo)檢測(cè)能夠很自然地利用圖像中的紋理、邊緣和顏色等信息定義候選區(qū)域，漏洞檢測(cè)則沒有明顯的細(xì)粒度代碼結(jié)構(gòu)來(lái)描述漏洞的候選區(qū)域；二是目標(biāo)檢測(cè)擁有海量的人工標(biāo)注類別的圖像數(shù)據(jù)集，但目前沒有標(biāo)注好的涵蓋各種類型漏洞的大規(guī)模數(shù)據(jù)集，且人工標(biāo)注漏洞的難度遠(yuǎn)比標(biāo)注圖像大得多；三是目標(biāo)檢測(cè)采用適合圖像處理的卷積神經(jīng)網(wǎng)絡(luò)（CNN）模型來(lái)學(xué)習(xí)特征，然而程序源代碼與圖像不同，更關(guān)注語(yǔ)句上下文信息，且漏洞源代碼數(shù)據(jù)具有自身的特點(diǎn)。 為了解決上述問(wèn)題，本文開展了基于深度學(xué)習(xí)的漏洞檢測(cè)研究。 該方法具有很大潛力，因?yàn)樯疃葘W(xué)習(xí)不需要人類專家定義特征，但同時(shí)也具有挑戰(zhàn)，因?yàn)樯疃葘W(xué)習(xí)不是為漏洞檢測(cè)這種應(yīng)用而產(chǎn)生的。
基于邏輯推理的漏洞檢測(cè)方法將源代碼進(jìn)行形式化描述，然后利用數(shù)學(xué)推理、證明等方法驗(yàn)證形式化描述的一些性質(zhì)，從而判斷程序是否含有某種類型的漏洞。 基于邏輯推理的漏洞檢測(cè)方法由于以數(shù)學(xué)推理為基礎(chǔ)，因此分析嚴(yán)格，結(jié)果可靠。 但對(duì)于較大規(guī)模的程序，將代碼進(jìn)行形式化表示本身是一件非常困難的事情。 基于中間表示的漏洞檢測(cè)方法沒有上述局限性，適用于分析較大規(guī)模程序，因此得到了更為廣泛的應(yīng)用。 本文針對(duì)基于中間表示的源代碼漏洞檢測(cè)方法開展研究。 依據(jù)對(duì)中間表示的分析技術(shù)，漏洞檢測(cè)方法可以分為4類：基于代碼相似性的漏洞檢測(cè)、基于符號(hào)執(zhí)行的漏洞檢測(cè)、基于規(guī)則的漏洞檢測(cè)以及基于機(jī)器學(xué)習(xí)的漏洞檢測(cè)。
應(yīng)用于漏洞檢測(cè)的機(jī)器學(xué)習(xí)技術(shù)目前主要涉及前兩種，下面按照是否需要人類專家定義特征分為基于傳統(tǒng)機(jī)器學(xué)習(xí)方法和基于深度學(xué)習(xí)方法兩類，并分別對(duì)其進(jìn)行介紹。 傳統(tǒng)的機(jī)器學(xué)習(xí)方法通過(guò)人工定義特征屬性，然后采用機(jī)器學(xué)習(xí)方法，如支持向量機(jī)、k近鄰等進(jìn)行分類。 基于傳統(tǒng)機(jī)器學(xué)習(xí)的漏洞檢測(cè)方法包括兩類：針對(duì)特定漏洞類型的方法和漏洞類型無(wú)關(guān)的方法。 針對(duì)特定漏洞類型的方法前提是借助專家知識(shí)（如漏洞原理）將漏洞分為不同類型，而某種類型的漏洞，通過(guò)機(jī)器學(xué)習(xí)技術(shù)學(xué)習(xí)漏洞模式。
