返回首页
基于抽象语法树的智能化漏洞检测系统
https://dl.ccf.org.cn/file_server/20200904/159_226_43_5/xxaqxb4/d04fb7edba7c41bb9476c37f0287b2af.jpg
源代码漏洞的自动检测是一个重要的研究课题。目前现有的解决方案大多是基于线性模型，依赖于源代码的文本信息而忽略了语法结构信息，从而造成了源代码语法和语义信息的丢失，同时也遗漏了许多漏洞特征。提出了一种基于结构表征的智能化漏洞检测系统Astor，致力于使用源代码的结构信息进行智能化漏洞检测，所考虑的结构信息是抽象语法树（Abstract Syntax Tree，AST）。首先，构建了一个从源代码转化而来且包含源码语法结构信息的数据集，提出使用深度优先遍历的机制获取AST的语法表征。最后，使用神经网络模型学习AST的语法表征。为了评估Astor的性能，对多个基于结构化数据和基于线性数据的漏洞检测系统进行比较，实验结果表明Astor能有效提升漏洞检测能力，降低漏报率和误报率。此外，还进一步总结出结构化模型更适用于长度大，信息量丰富的数据。
<<< 上一篇
针对LTE-A网络中的DDoS攻击流量检测模型
<<< 下一篇 基于虚拟化内存隔离的Rowhammer攻击防护机制
读完这篇文章后，您心情如何？
京公网安备 11010802032778号
所有评论仅代表网友意见