[發明專利]一種基于深度學習的漏洞檢測方法及系統

有效

• 申請號: 201711089352.9
• 申請日: 2017-11-08
• 公開（公告）號: CN107885999B
• 公開（公告）日: 2019-12-24
• 發明（設計）人: 金海;鄒德清;李珍;王蘇娟
• 申請（專利權）人: 華中科技大學
• 主分類號: G06F21/57
• 分類號: G06F21/57
• 代理公司: 42201 華中科技大學專利中心
• 代理人: 李智;曹葆青

1.一種基于深度學習的漏洞檢測方法，其特征在于，包括：

(1)離線漏洞分類器訓練步驟：對訓練程序提取庫/API函數調用候選代碼段，給候選代碼段添加類型標簽，并將候選代碼段轉換為向量，將向量輸入神經網絡模型進行訓練，得到漏洞分類器；

(2)在線漏洞檢測步驟：對目標程序提取庫/API函數調用候選代碼段，將候選代碼段轉換為向量，采用訓練好的漏洞分類器對候選代碼段進行分類，輸出含漏洞的代碼段；

步驟(1)具體包括以下步驟：

(1.1)提取庫/API函數調用候選代碼段：從訓練程序中提取庫/API函數調用；對于每個庫/API函數調用，針對各參數分別生成程序切片，并將各參數的程序切片合并，生成庫/API函數調用候選代碼段；

(1.2)給候選代碼段添加類型標簽：對步驟(1.1)中得到的每個庫/API函數調用候選代碼段，若包含已知的漏洞代碼，則添加有漏洞標簽，否則添加無漏洞標簽；

(1.3)將候選代碼段轉換為向量：通過除去非ASCII字符和注釋，映射用戶自定義變量名和函數名為符號名稱，將步驟(1.1)中得到的每個庫/API函數調用候選代碼段表示為符號表征，通過詞法解析將符號表征轉換為單詞序列，然后將單詞序列編碼為向量；

(1.4)訓練神經網絡模型：將步驟(1.3)得到的向量和步驟(1.2)得到的類型標簽，輸入到神經網絡模型訓練，得到訓練好的漏洞分類器。

2.根據權利要求1所述的方法，其特征在于，所述步驟(1.1)生成程序切片的具體實施方式為：通過對程序進行詞法、語法分析，生成過程間程序依賴圖；對于每個接收外部輸入的庫/API函數調用，基于程序依賴圖對各參數分別生成前向程序切片；對于每個不接收外部輸入的庫/API函數調用，基于程序依賴圖對各參數分別生成后向程序切片。

3.根據權利要求2所述的方法，其特征在于，所述步驟(1.3)還通過調整單詞個數使得向量的長度等于預定值，具體實現方式為：

對于采用前向程序切片生成的候選代碼段，通過在向量的尾部填充0或截斷來生成固定長度的向量；對于采用后向程序切片生成的候選代碼段，通過在向量的前部填充0或截斷來生成固定長度的向量。

4.根據權利要求1或2或3所述的方法，其特征在于，所述步驟(1.1)將各參數的程序切片合并的具體實施方式為：對于屬于相同用戶自定義函數的語句，按照語句在函數中出現的順序合并，其中，重復的語句僅保留一條；對于屬于不同用戶自定義函數的語句，若在程序切片中這些用戶自定義函數間已存在順序，則按此函數順序合并，否則采用隨機的函數順序合并。

5.根據權利要求1或3所述的方法，其特征在于，所述步驟(1.3)的將單詞序列編碼為向量采用word2vec、gensim、one-hot方法中的任意一種。

6.根據權利要求1所述的方法，其特征在于，所述步驟(1.4)的神經網絡模型采用循環神經網絡、雙向循環神經網絡、卷積神經網絡中的任意一種。

7.一種基于深度學習的漏洞檢測系統，其特征在于，包括：

離線漏洞分類器訓練模塊，用于對訓練程序提取庫/API函數調用候選代碼段，給候選代碼段添加類型標簽，并將候選代碼段轉換為向量，這些向量輸入到神經網絡模型進行訓練，最后輸出訓練好的漏洞分類器；

在線漏洞檢測模塊，用于對目標程序提取庫/API函數調用候選代碼段，并將候選代碼段轉換為向量，然后采用訓練好的漏洞分類器來分類候選代碼段，最后輸出分類結果為含漏洞的代碼段；

所述離線漏洞分類器訓練模塊包括：

訓練程序候選代碼段提取模塊，用于從訓練程序中提取庫/API函數調用，對于每個庫/API函數調用，針對各參數分別生成程序切片，并將各參數的程序切片合并，生成庫/API函數調用候選代碼段；

訓練程序候選代碼段類型標記模塊，用于對訓練程序中每個庫/API函數調用候選代碼段，若包含已知的漏洞代碼，添加有漏洞標簽，否則添加無漏洞標簽；

訓練程序候選代碼段向量生成模塊，用于通過除去非ASCII字符和注釋，映射用戶自定義變量名和函數名為符號名稱，將訓練程序中每個庫/API函數調用候選代碼段表示為符號表征，通過詞法解析將符號表征轉換為單詞序列，然后將單詞序列編碼為向量；

訓練神經網絡模型模塊，用于將候選代碼段的向量和候選代碼段的類型標簽，輸入到神經網絡模型訓練，通過調節各參數，得到訓練好的漏洞分類器。