[發(fā)明專利]一種用于可信計算環(huán)境模糊測試的種子生成方法

在審

• 申請?zhí)枺?/td>: 202111458875.2
• 申請日: 2021-12-01
• 公開（公告）號: CN114117450A
• 公開（公告）日: 2022-03-01
• 發(fā)明（設(shè)計）人: 鄧佩瑤;孫建華
• 申請（專利權(quán)）人: 湖南大學(xué)
• 主分類號: G06F21/57
• 分類號: G06F21/57
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種用于可信計算環(huán)境模糊測試的種子生成方法，其特征在于實(shí)施步驟為：

(1)收集可信計算環(huán)境運(yùn)行過程中執(zhí)行的系統(tǒng)調(diào)用序列作為原始數(shù)據(jù)；

(2)對原始數(shù)據(jù)進(jìn)行預(yù)處理得到神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練集和測試集，預(yù)處理包括編碼系統(tǒng)調(diào)用序列、標(biāo)注期望輸出、劃分訓(xùn)練集和測試集三個步驟；

(3)基于卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建模型，并使用訓(xùn)練集訓(xùn)練該模型，使用測試集評估該模型；

(4)隨機(jī)生成大量系統(tǒng)調(diào)用序列，利用訓(xùn)練好的模型從生成的系統(tǒng)調(diào)用序列集合中篩選出漏洞挖掘潛力高的序列，將這部分序列作為種子。

2.根據(jù)權(quán)利要求1所述的用于可信計算環(huán)境模糊測試的種子生成方法，其特征在于本方法收集的每個系統(tǒng)調(diào)用序列由多條系統(tǒng)調(diào)用組成，每條系統(tǒng)調(diào)用包含系統(tǒng)調(diào)用名、系統(tǒng)調(diào)用編號和參數(shù)值，其中，每個系統(tǒng)調(diào)用編號對應(yīng)一個系統(tǒng)調(diào)用名。

3.根據(jù)權(quán)利要求1所述的用于可信計算環(huán)境模糊測試的種子生成方法，其特征在于本方法在對原始數(shù)據(jù)進(jìn)行預(yù)處理時，實(shí)施以下步驟：

(1)將原始數(shù)據(jù)中的系統(tǒng)調(diào)用序列編碼為定長格式，編碼規(guī)則為按順序記錄系統(tǒng)調(diào)用序列中的每條系統(tǒng)調(diào)用，對于每條系統(tǒng)調(diào)用，分別記錄其系統(tǒng)調(diào)用編號、參數(shù)個數(shù)和參數(shù)值，并存儲為十六進(jìn)制格式，最后將系統(tǒng)調(diào)用序列用零填充為固定長度的序列；

(2)為編碼后的系統(tǒng)調(diào)用序列標(biāo)注對應(yīng)的期望輸出，輸出范圍為[0,1]，具體取值根據(jù)不同環(huán)境調(diào)整；

(3)使用交叉驗(yàn)證方法將標(biāo)注后的系統(tǒng)調(diào)用序列劃分為訓(xùn)練集和測試集。

4.根據(jù)權(quán)利要求1所述的用于可信計算環(huán)境模糊測試的種子生成方法，其特征在于本方法構(gòu)建的卷積神經(jīng)網(wǎng)絡(luò)模型包括：

(1)兩層卷積層，均使用濾波器來逐步提取不同深度的特征，其中第一層卷積層即為輸入層，由固定數(shù)量的節(jié)點(diǎn)組成，節(jié)點(diǎn)數(shù)量為一條系統(tǒng)調(diào)用序列編碼后的向量長度；

(2)一層池化層，用于去除冗余的信息量；

(3)兩層全連接層，均使用線性整流(ReLu)作為神經(jīng)元的激活函數(shù)，需要注意，最后一個全連接層作為輸出層，節(jié)點(diǎn)只有一個，因此使用Sigmoid激活函數(shù)將輸出結(jié)果映射到區(qū)間[0,1]作為最終輸出。

5.根據(jù)權(quán)利要求1所述的用于可信計算環(huán)境模糊測試的種子生成方法，其特征在于本方法使用訓(xùn)練集訓(xùn)練模型時，包含如下幾個要點(diǎn)：

(1)采用丟棄法(Dropout)防止過擬合問題，即在神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練過程中，隨機(jī)丟棄一部分神經(jīng)元及其連接，防止參數(shù)過分依賴訓(xùn)練集而導(dǎo)致的過擬合問題；

(2)使用Adam算法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型，即基于訓(xùn)練數(shù)據(jù)迭代地更新神經(jīng)網(wǎng)絡(luò)權(quán)重，并根據(jù)神經(jīng)網(wǎng)絡(luò)每個參數(shù)的當(dāng)前梯度來調(diào)整學(xué)習(xí)速率，從而使得模型參數(shù)快速地達(dá)到最優(yōu)值；

(3)選擇均方誤差(Mean Squared Error,MSE)作為損失函數(shù)；

(4)設(shè)定一個停止訓(xùn)練的閾值，誤差小于閾值時則停止訓(xùn)練；或設(shè)置一個停止訓(xùn)練的輪次數(shù)，完成指定的迭代輪次后即可停止。

6.根據(jù)權(quán)利要求1所述的用于可信計算環(huán)境模糊測試的種子生成方法，其特征在于本方法在評估模型時，使用交叉驗(yàn)證方法，并且采用均方誤差作為性能指標(biāo)。

7.根據(jù)權(quán)利要求1所述的用于可信計算環(huán)境模糊測試的種子生成方法，其特征在于本方法利用訓(xùn)練好的模型生成種子的具體步驟如下：

(1)使用Syzkaller或Healer隨機(jī)生成大量系統(tǒng)調(diào)用序列；

(2)將生成的系統(tǒng)調(diào)用序列編碼為定長格式，編碼規(guī)則如下：按順序記錄系統(tǒng)調(diào)用序列中的每條系統(tǒng)調(diào)用，對于每條系統(tǒng)調(diào)用，分別記錄其系統(tǒng)調(diào)用編號、參數(shù)個數(shù)和參數(shù)值，并存儲為十六進(jìn)制格式，最后將系統(tǒng)調(diào)用序列用零填充為固定長度的序列；

(3)將編碼后的系統(tǒng)調(diào)用序列作為輸入，運(yùn)行神經(jīng)網(wǎng)絡(luò)模型，對于每條系統(tǒng)調(diào)用序列輸出一個對應(yīng)的分?jǐn)?shù)，該分?jǐn)?shù)范圍為[0,1]；

(4)根據(jù)分?jǐn)?shù)從高到低選取一定數(shù)量的系統(tǒng)調(diào)用序列作為種子。