[發(fā)明專(zhuān)利]一種網(wǎng)絡(luò)協(xié)議模糊測(cè)試用例的生成及應(yīng)用方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010935426.1
• 申請(qǐng)日: 2020-09-08
• 公開(kāi)（公告）號(hào): CN112073242A
• 公開(kāi)（公告）日: 2020-12-11
• 發(fā)明（設(shè)計(jì)）人: 洪征;李毅豪;林培鴻;周振吉
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)人民解放軍陸軍工程大學(xué)
• 主分類(lèi)號(hào): H04L12/24
• 分類(lèi)號(hào): H04L12/24;H04L12/26;H04L29/06;G06N3/08
• 代理公司: 南京縱橫知識(shí)產(chǎn)權(quán)代理有限公司 32224
• 代理人: 董建林

本發(fā)明公開(kāi)了一種網(wǎng)絡(luò)協(xié)議模糊測(cè)試用例的生成及應(yīng)用方法，從捕獲的網(wǎng)絡(luò)協(xié)議報(bào)文中提取目標(biāo)協(xié)議通信報(bào)文的應(yīng)用層協(xié)議數(shù)據(jù)；利用輸入的應(yīng)用層協(xié)議數(shù)據(jù)對(duì)所述序列生成對(duì)抗網(wǎng)絡(luò)SeqGAN中的生成模型和判別模型進(jìn)行訓(xùn)練，在兩個(gè)模型之間形成博弈，直到訓(xùn)練次數(shù)達(dá)到預(yù)設(shè)的閾值，得到訓(xùn)練好的序列生成對(duì)抗網(wǎng)絡(luò)SeqGAN；利用序列生成對(duì)抗網(wǎng)絡(luò)生成測(cè)試用例；測(cè)試用例通過(guò)網(wǎng)絡(luò)發(fā)送給協(xié)議程序，對(duì)程序?qū)嵤┠：郎y(cè)試。優(yōu)點(diǎn)：在被測(cè)協(xié)議的協(xié)議規(guī)范未知的情況下，通過(guò)對(duì)序列生成對(duì)抗網(wǎng)絡(luò)的訓(xùn)練，構(gòu)造滿(mǎn)足協(xié)議規(guī)范的測(cè)試用例，避免測(cè)試用例在模糊測(cè)試過(guò)程中由于無(wú)法通過(guò)合法性驗(yàn)證而被協(xié)議程序丟棄，有效提高模糊測(cè)試的測(cè)試效率和漏洞挖掘能力。

技術(shù)領(lǐng)域

本發(fā)明涉及一種網(wǎng)絡(luò)協(xié)議模糊測(cè)試用例的生成及應(yīng)用方法，屬于網(wǎng)絡(luò)技術(shù)領(lǐng)域。

背景技術(shù)

網(wǎng)絡(luò)協(xié)議應(yīng)用廣泛，是計(jì)算機(jī)網(wǎng)絡(luò)通信的基礎(chǔ)。對(duì)網(wǎng)絡(luò)協(xié)議進(jìn)行分析，發(fā)掘網(wǎng)絡(luò)協(xié)議及其具體實(shí)現(xiàn)程序中存在的安全漏洞，并及時(shí)實(shí)施安全防護(hù)，有助于減少網(wǎng)絡(luò)安全問(wèn)題的發(fā)生。

模糊測(cè)試是一種重要的黑盒測(cè)試方法，它通過(guò)向目標(biāo)系統(tǒng)提供非預(yù)期輸入，來(lái)監(jiān)視目標(biāo)系統(tǒng)出現(xiàn)的異常結(jié)果，從而發(fā)現(xiàn)目標(biāo)系統(tǒng)中存在的安全漏洞。

模糊測(cè)試按照測(cè)試用例的生成方法可以分為兩種：基于變異的測(cè)試用例生成方法和基于生成的測(cè)試用例生成方法。基于變異的測(cè)試用例生成方法從一個(gè)正常的數(shù)據(jù)出發(fā)，按照一定的規(guī)則和策略對(duì)數(shù)據(jù)進(jìn)行變化，從而生成測(cè)試用例。基于生成的測(cè)試用例生成方法一般要求測(cè)試者了解目標(biāo)系統(tǒng)的輸入格式，從而根據(jù)輸入格式構(gòu)造合法的測(cè)試用例。基于生成的測(cè)試用例生成方法簡(jiǎn)單高效，而且這類(lèi)方法能夠保證生成的測(cè)試用例通過(guò)程序的合法性檢查，是當(dāng)前模糊測(cè)試領(lǐng)域的主要研究方向。

網(wǎng)絡(luò)協(xié)議模糊測(cè)試起源于芬蘭Oulu大學(xué)研發(fā)的網(wǎng)絡(luò)協(xié)議模糊測(cè)試軟件PROTOS，在當(dāng)時(shí)它能夠發(fā)現(xiàn)很多協(xié)議程序的安全漏洞，但是PROTOS的靈活性較差，應(yīng)用范圍相對(duì)狹窄。

目前協(xié)議規(guī)范通常用自然語(yǔ)言進(jìn)行描述，沒(méi)有一種確定性語(yǔ)言描述協(xié)議規(guī)范，這給模糊測(cè)試帶來(lái)了很大的困難。為了解決這個(gè)問(wèn)題，研究人員提出了SPFuzz框架，它為協(xié)議規(guī)范定義了一種描述性語(yǔ)言，測(cè)試者能夠使用該描述性語(yǔ)言定義生成測(cè)試用例的策略。然而使用這種描述性語(yǔ)言的前提是，測(cè)試者能掌握被測(cè)系統(tǒng)使用的協(xié)議規(guī)范。如果測(cè)試者沒(méi)有被測(cè)系統(tǒng)協(xié)議規(guī)范的先驗(yàn)知識(shí)，這種模糊測(cè)試方法就會(huì)失效。

針對(duì)一些協(xié)議規(guī)范未知的協(xié)議難以針對(duì)性實(shí)施模糊測(cè)試的問(wèn)題，研究人員提出了面向應(yīng)用層協(xié)議的自動(dòng)化模糊測(cè)試方案，方案首先使用序列比對(duì)算法逆向獲取未知協(xié)議的協(xié)議規(guī)范，然后通過(guò)得到的協(xié)議規(guī)范對(duì)協(xié)議進(jìn)行模糊測(cè)試。然而，協(xié)議逆向方法的準(zhǔn)確率難以保證，這會(huì)導(dǎo)致測(cè)試用例無(wú)法通過(guò)程序的合法性檢查。

為了解決傳統(tǒng)模糊測(cè)試方法過(guò)于依賴(lài)協(xié)議規(guī)范的問(wèn)題，研究人員提出了基于深度學(xué)習(xí)的協(xié)議漏洞挖掘方法用于挖掘網(wǎng)絡(luò)協(xié)議的漏洞。方法選用前向反饋網(wǎng)絡(luò)作為生成模型，支持向量機(jī)作為判別模型，構(gòu)造生成對(duì)抗網(wǎng)絡(luò)GAN進(jìn)行學(xué)習(xí)，進(jìn)而生成測(cè)試用例。然而，由于生成對(duì)抗網(wǎng)絡(luò)GAN存在訓(xùn)練離散數(shù)據(jù)時(shí)無(wú)法從判別模型傳遞梯度給生成模型從而導(dǎo)致梯度消失的問(wèn)題，所以測(cè)試用例的生成效果并不理想。也有研究人員使用GAN的變種WGAN對(duì)網(wǎng)絡(luò)協(xié)議進(jìn)行模糊測(cè)試。相比于GAN，WGAN使用Wasserstein距離代替JS散度衡量生成數(shù)據(jù)與真實(shí)數(shù)據(jù)的差距，以對(duì)生成模型進(jìn)行訓(xùn)練。但是WGAN作為原始GAN的變種，同樣存在原始GAN的局限性，在訓(xùn)練報(bào)文字節(jié)序列這種離散數(shù)據(jù)時(shí)，梯度可能會(huì)消失，導(dǎo)致生成模型的訓(xùn)練效果不夠理想。

目前在網(wǎng)絡(luò)協(xié)議模糊測(cè)試領(lǐng)域，基于生成的模糊測(cè)試方法需要網(wǎng)絡(luò)協(xié)議的先驗(yàn)知識(shí)，在明確了解目標(biāo)系統(tǒng)協(xié)議規(guī)范的前提下才能夠制定出合適的測(cè)試用例生成策略。但是出于版權(quán)和安全保護(hù)等原因，越來(lái)越多的私有協(xié)議在網(wǎng)絡(luò)中出現(xiàn)，它們的協(xié)議規(guī)范沒(méi)有公開(kāi)。要針對(duì)這些協(xié)議實(shí)施有效的模糊測(cè)試非常困難。基于協(xié)議逆向的模糊測(cè)試方法，試圖通過(guò)預(yù)先對(duì)協(xié)議格式和協(xié)議狀態(tài)機(jī)進(jìn)行逆向，掌握被測(cè)系統(tǒng)協(xié)議的協(xié)議規(guī)范后再進(jìn)行模糊測(cè)試。但是由于協(xié)議逆向方法的準(zhǔn)確性難以保證，所以基于協(xié)議逆向的模糊測(cè)試方法存在很大的局限性。

發(fā)明內(nèi)容