[發(fā)明專(zhuān)利]一種基于文本深度學(xué)習(xí)的軟件安全漏洞預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201810353774.0
• 申請(qǐng)日: 2018-04-19
• 公開(kāi)（公告）號(hào): CN108549817A
• 公開(kāi)（公告）日: 2018-09-18
• 發(fā)明（設(shè)計(jì)）人: 危勝軍;鐘浩;單純;胡昌振;牛中盈
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京理工大學(xué);北京計(jì)算機(jī)技術(shù)及應(yīng)用研究所
• 主分類(lèi)號(hào): G06F21/57
• 分類(lèi)號(hào): G06F21/57;G06F17/30;G06F17/27
• 代理公司: 北京理工大學(xué)專(zhuān)利中心 11120
• 代理人: 高燕燕

本發(fā)明為一種基于文本深度學(xué)習(xí)的軟件安全漏洞預(yù)測(cè)方法，采用深度神經(jīng)網(wǎng)絡(luò)模型和淺層機(jī)器學(xué)習(xí)算法從歷史軟件源代碼文本中學(xué)習(xí)特征和知識(shí)，能夠用于對(duì)新的軟件源代碼中的安全漏洞進(jìn)行預(yù)測(cè)。本發(fā)明采用深度神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)軟件源代碼文本特征中的結(jié)構(gòu)性特征，將學(xué)習(xí)到的特征作為分類(lèi)器的輸入，對(duì)分類(lèi)器進(jìn)行訓(xùn)練調(diào)整，獲得最優(yōu)的漏洞預(yù)測(cè)模型，用于該軟件的新的軟件模塊的漏洞預(yù)測(cè)。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于文本深度學(xué)習(xí)的軟件安全漏洞預(yù)測(cè)方法，屬于軟件安全漏洞預(yù)測(cè)技術(shù)領(lǐng)域。

背景技術(shù)

軟件安全漏洞預(yù)測(cè)能夠預(yù)先獲知軟件源代碼模塊中存在軟件漏洞的可能性或者數(shù)量，軟件開(kāi)發(fā)者根據(jù)預(yù)測(cè)結(jié)果，可將有限的時(shí)間和經(jīng)費(fèi)有針對(duì)性投入到那些存在漏洞可能性高的和數(shù)量多的軟件模塊的測(cè)試中，以此提高軟件測(cè)試的效率。

目前，常用的軟件漏洞預(yù)測(cè)采用淺層機(jī)器學(xué)習(xí)方法建立軟件漏洞預(yù)測(cè)模型，建立過(guò)程如圖1所示：

①軟件源代碼模塊的度量元建立

目前，軟件源代碼模塊的度量元建立主要有兩種方法：一種方法是采用度量軟件代碼質(zhì)量的指標(biāo)(metrics)作為度量元，如將面向?qū)ο蟪绦虻腃K指標(biāo)(WMC、DIT、NOC、CBO、RFC和LCOM等)、面向軟件開(kāi)發(fā)過(guò)程的代碼修改特征指標(biāo)、開(kāi)發(fā)人員經(jīng)驗(yàn)水平指標(biāo)、模塊間的依賴(lài)度指標(biāo)以及項(xiàng)目團(tuán)隊(duì)組織構(gòu)架合理性指標(biāo)等作為度量元，我們稱(chēng)此為基于軟件指標(biāo)的度量元；另一種方法是將軟件源代碼視為文本，將文本中各個(gè)單詞出現(xiàn)的頻率視為度量元，我們稱(chēng)此為基于代碼文本單詞的度量元。

②軟件歷史漏洞數(shù)據(jù)庫(kù)建立

從已經(jīng)公開(kāi)的軟件漏洞庫(kù)中收集針對(duì)某個(gè)軟件項(xiàng)目的到目前的所有漏洞，建立針對(duì)該軟件項(xiàng)目的軟件漏洞庫(kù)。軟件漏洞庫(kù)中明確了針對(duì)該軟件項(xiàng)目每個(gè)軟件模塊中漏洞的位置和數(shù)量。

軟件漏洞庫(kù)提供了針對(duì)該軟件項(xiàng)目的漏洞分布的歷史知識(shí)。

③軟件漏洞預(yù)測(cè)機(jī)器學(xué)習(xí)模型的訓(xùn)練、測(cè)試

針對(duì)某個(gè)軟件項(xiàng)目，計(jì)算每個(gè)軟件模塊的度量元指標(biāo)的具體數(shù)值，利用軟件歷史漏洞庫(kù)獲得每個(gè)軟件模塊的有無(wú)漏洞的標(biāo)簽或者缺陷數(shù)量，然后選擇適合于該軟件項(xiàng)目的機(jī)器學(xué)習(xí)算法(目前還沒(méi)有公開(kāi)的資料表明使用了深度學(xué)習(xí)算法，使用的都是基于淺層學(xué)習(xí)的算法)，將度量元指標(biāo)的具體數(shù)值作為輸入，有無(wú)缺漏洞的標(biāo)簽或者漏洞數(shù)量作為輸出，建立(訓(xùn)練、測(cè)試和參數(shù)調(diào)整)針對(duì)于該軟件項(xiàng)目的軟件漏洞預(yù)測(cè)的機(jī)器學(xué)習(xí)模型。

④軟件漏洞預(yù)測(cè)機(jī)器學(xué)習(xí)模型的應(yīng)用

訓(xùn)練完成以及測(cè)試合格的漏洞預(yù)測(cè)模型可以對(duì)該項(xiàng)目的新的軟件模塊的漏洞情況進(jìn)行預(yù)測(cè)。首先計(jì)算新的軟件模塊的度量元指標(biāo)的具體數(shù)值，將數(shù)值輸入到預(yù)測(cè)模型中，模型運(yùn)算輸出的結(jié)果即為該軟件模塊存在漏洞的可能性或者存在漏洞的數(shù)量。

在整個(gè)模型建立的過(guò)程中，影響預(yù)測(cè)模型性能的因素有三個(gè)方面：度量元指標(biāo)選取、漏洞庫(kù)的質(zhì)量以及具體的機(jī)器學(xué)習(xí)算法。所選取的度量元指標(biāo)應(yīng)當(dāng)能夠反映有漏洞模塊和沒(méi)有漏洞模塊的本質(zhì)特征，也就是度量元指標(biāo)對(duì)有漏洞和沒(méi)有漏洞模塊具有一定的區(qū)分能力；軟件漏洞庫(kù)的質(zhì)量也在很大程度上影響到模型的性能，所建立的軟件漏洞庫(kù)應(yīng)當(dāng)具有較高的準(zhǔn)確性和較好的完備性；機(jī)器學(xué)習(xí)算法本身也具有不同的性能，針對(duì)不同的軟件項(xiàng)目，選取適合于本項(xiàng)目的機(jī)器學(xué)習(xí)算法。這三個(gè)方面的因素是相互聯(lián)系相互影響的，綜合決定了這個(gè)預(yù)測(cè)模型的性能。

在歷史漏洞庫(kù)的質(zhì)量既定的情況下，針對(duì)某類(lèi)度量元指標(biāo)，不同的機(jī)器學(xué)習(xí)算法的性能差異較大，目前針對(duì)不同的機(jī)器學(xué)習(xí)算法進(jìn)行了大量的嘗試，但是所有采用的算法屬于淺層機(jī)器學(xué)習(xí)方法，未有公開(kāi)的資料表明有人使用深度學(xué)習(xí)方法。