[發明專利]一種基于深度學習的移動應用安全缺陷摘要生成方法

在審

• 申請號: 202210792373.1
• 申請日: 2022-07-05
• 公開（公告）號: CN115357288A
• 公開（公告）日: 2022-11-18
• 發明（設計）人: 陶傳奇;陳夢瑤;郭虹靜
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06F8/74
• 分類號: G06F8/74;G06F40/30;G06N3/04;G06N3/08
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 賀翔

本發明公開了一種基于深度學習的移動應用安全缺陷摘要生成方法，步驟如下：對在移動應用商店獲得的原始用戶評論進行預處理；對預處理后的評論句子進行情感分析，剔除情感傾向為積極的句子，保留情感傾向為中立和消極的句子；對處理后的評論句子進行分類，并采用邏輯回歸算法將其分為安全缺陷相關的評論和安全缺陷無關的評論，構建與安全缺陷相關的評論數據集；從安全缺陷相關的評論中提取方面?觀點?不良行為三元組，構成安全缺陷相關的評論摘要。本發明能夠在非結構化的用戶評論中抽取出表示安全缺陷的三元組，利用深度學習技術構建針對移動應用安全缺陷的評論摘要生成模型，為待測移動應用提供安全缺陷的關鍵信息。

技術領域

本發明屬于移動應用安全缺陷挖掘領域，具體涉及一種基于深度學習的移動應用安全缺陷挖掘方法。

背景技術

由于移動App在設計與開發的過程中缺乏對安全性的充分考慮，在行為邏輯、數據訪問等的不當編碼或者不合理配置而造成的軟件缺陷，導致程序的執行違反了安全策略，這種特殊的軟件缺陷就是安全缺陷，亦可稱為安全漏洞。攻擊者利用App內存在的安全漏洞，即可實現竊取乃至販賣用戶的隱私信息，在未授權的情況下惡意扣取用戶賬戶內的資費等一系列惡意行為，甚至形成從開發、發布到交互等全流程的攻擊鏈路。一方面給用戶造成隱私泄露、經濟損失等不良后果，另一方面也嚴重影響著移動App的商業價值，給開發商帶來巨大損失。如何及時有效地檢測、分析移動App的安全缺陷，已經成為工業界和學術界共同關注的焦點。

APP軟件迅速興起，人們愈加傾向于發表自己的觀點和看法，這樣就產生了大量的網絡評論。面對著激烈的市場競爭，應用廠商必須盡快上線新功能并及時地修復漏洞，基于用戶評論分析移動APP的安全缺陷提供了一種有效的思路。目前，已有一些工作集中在挖掘用戶評論中，Galvis等人采用ASUM(Aspect Sentiment Unification Model)主題挖掘模型自動提取評論中包含的主題，為了便于需求工程師更好地理解主題詞，還給出了每個主題下的代表性句子。Chen等人提出了一種基于支持向量機和主題模型的用戶評論分析方法RASL，首先利用支持向量機對評論進行多標簽分類，再通過LDA模型提取各評論類型下的有效主題詞和代表句。近年來，由于機器學習和深度學習的廣泛應用，計算機對于自然語言的處理能力更上了一個新的臺階。此時，若能采用這些智能化的技術，對一定數量的用戶評論數據進行挖掘，形成對移動應用的安全缺陷的摘要升恒，這樣就可以更便捷、更高效地描述評論中的關鍵信息，減輕開發者的負擔。

發明內容

針對于上述現有技術的不足，本發明的目的在于提供一種基于深度學習的移動應用安全缺陷摘要生成方法，以克服已有的主題挖掘模型的結果不足以清晰地描述評論中的安全缺陷關鍵信息的問題；本發明能夠在非結構化的用戶評論中抽取出表示安全缺陷的三元組，利用深度學習技術構建針對移動應用安全缺陷的評論摘要生成模型，為待測移動應用提供安全缺陷的關鍵信息，同時為用戶提供可視化的雷達圖顯示。

為達到上述目的，本發明采用的技術方案如下：

本發明的一種基于深度學習的移動應用安全缺陷摘要生成方法，步驟如下：

1)對在移動應用商店獲得的原始用戶評論進行預處理，包括句子分割，拼寫錯誤改正，縮寫和縮略式擴充；

2)對預處理后的評論句子進行情感分析，剔除情感傾向為積極的句子，保留情感傾向為中立和消極的句子；

3)對經步驟2)處理的評論句子進行分類，并采用邏輯回歸算法將其分為安全缺陷相關的評論和安全缺陷無關的評論，構建與安全缺陷相關的評論數據集；

4)從安全缺陷相關的評論中提取方面-觀點-不良行為三元組，構成安全缺陷相關的評論摘要。

優選地，所述步驟1)具體包括：

11)句子分割：采用分隔符結合python第三方庫re庫的split()方法進行句子分割；