[發(fā)明專利]一種源代碼漏洞檢測(cè)方法、裝置和系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202310823880.1
• 申請(qǐng)日: 2023-07-06
• 公開（公告）號(hào): CN116663019B
• 公開（公告）日: 2023-10-24
• 發(fā)明（設(shè)計(jì)）人: 索雯琪;胡雨濤;吳月明;李珍;鄒德清
• 申請(qǐng)（專利權(quán)）人: 華中科技大學(xué)
• 主分類號(hào): G06F21/57
• 分類號(hào): G06F21/57;G06F21/56;G06F18/214;G06F18/20;G06N3/0464;G06N3/08;G06N7/01
• 代理公司: 華中科技大學(xué)專利中心 42201
• 代理人: 尹麗媛

1.一種源代碼漏洞檢測(cè)方法，其特征在于，包括：

訓(xùn)練階段：

S1：針對(duì)訓(xùn)練集中代碼片段，通過靜態(tài)分析獲取對(duì)應(yīng)的增強(qiáng)抽象語(yǔ)法樹AST；

S2：將所述訓(xùn)練集中代碼片段的增強(qiáng)AST對(duì)應(yīng)的狀態(tài)概率矩陣轉(zhuǎn)化為灰度圖像；

S3：利用所述訓(xùn)練集中代碼片段對(duì)應(yīng)的灰度圖像訓(xùn)練原始CNN模型，得到目標(biāo)CNN模型；

檢測(cè)階段：

S4：將待檢測(cè)源代碼按照S1和S2中的步驟轉(zhuǎn)化為其增強(qiáng)AST對(duì)應(yīng)的狀態(tài)概率矩陣的灰度圖像；

S5：將所述待檢測(cè)源代碼對(duì)應(yīng)的灰度圖像輸入所述目標(biāo)CNN模型，得到漏洞檢測(cè)結(jié)果。

2.如權(quán)利要求1所述的源代碼漏洞檢測(cè)方法，其特征在于，所述S1包括：

通過靜態(tài)分析生成所述訓(xùn)練集中代碼片段的AST；

對(duì)所述訓(xùn)練集中代碼片段的AST進(jìn)行控制流和數(shù)據(jù)流的添加，得到所述訓(xùn)練集中代碼片段的增強(qiáng)AST。

3.如權(quán)利要求2所述的源代碼漏洞檢測(cè)方法，其特征在于，所述增強(qiáng)AST規(guī)定如下類型表示數(shù)據(jù)流和控制流的邊：

父子關(guān)系：根據(jù)AST規(guī)則，將非終端結(jié)點(diǎn)連接至其所有子結(jié)點(diǎn)；

兄弟關(guān)系：將結(jié)點(diǎn)連接至其兄弟結(jié)點(diǎn)；

下一標(biāo)識(shí)：將終端結(jié)點(diǎn)連接至下一個(gè)終端節(jié)點(diǎn)；

數(shù)據(jù)流：連接一個(gè)變量使用的結(jié)點(diǎn)及其下一次出現(xiàn)的結(jié)點(diǎn)；

控制流：表示if、for、while語(yǔ)句控制流的邊和表示語(yǔ)句順序的邊。

4.如權(quán)利要求1所述的源代碼漏洞檢測(cè)方法，其特征在于，所述S2包括：

S21：統(tǒng)計(jì)增強(qiáng)AST中每個(gè)子樹一條邊連接的兩個(gè)節(jié)點(diǎn)的信息，得出一個(gè)狀態(tài)轉(zhuǎn)移為另一個(gè)狀態(tài)的次數(shù)；通過統(tǒng)計(jì)所有狀態(tài)轉(zhuǎn)移情況，建立一個(gè)基于AST的馬爾可夫鏈模型；

S22：根據(jù)所述基于AST的馬爾可夫鏈模型中記錄的狀態(tài)轉(zhuǎn)移次數(shù)，生成狀態(tài)轉(zhuǎn)移矩陣；

S23：將所述狀態(tài)轉(zhuǎn)移矩陣轉(zhuǎn)化為轉(zhuǎn)移概率矩陣，并將所述轉(zhuǎn)移概率矩陣中的值灰度化得到對(duì)應(yīng)的灰度圖像。

5.如權(quán)利要求4所述的源代碼漏洞檢測(cè)方法，其特征在于，所述S23包括：

對(duì)所述狀態(tài)轉(zhuǎn)移矩陣中的所有數(shù)據(jù)進(jìn)行歸一化處理，確定一個(gè)狀態(tài)轉(zhuǎn)移為另一個(gè)狀態(tài)的概率，最終得到轉(zhuǎn)移概率矩陣；

將所述轉(zhuǎn)移概率矩陣中的值灰度化得到對(duì)應(yīng)的灰度圖像。

6.如權(quán)利要求4所述的源代碼漏洞檢測(cè)方法，其特征在于，每個(gè)子樹的狀態(tài)包括：語(yǔ)句表達(dá)式、調(diào)用語(yǔ)句、參數(shù)列表和標(biāo)識(shí)符。

7.如權(quán)利要求1-6任一項(xiàng)所述的源代碼漏洞檢測(cè)方法，其特征在于，所述S5包括：

將所述待檢測(cè)源代碼對(duì)應(yīng)的灰度圖像輸入所述目標(biāo)CNN模型；

所述目標(biāo)CNN模型輸出的漏洞檢測(cè)結(jié)果1，則表示所述待檢測(cè)源代碼存在漏洞；

所述目標(biāo)CNN模型輸出的漏洞檢測(cè)結(jié)果0，則表示所述待檢測(cè)源代碼非漏洞。

8.一種源代碼漏洞檢測(cè)裝置，其特征在于，包括：

訓(xùn)練模塊，用于針對(duì)訓(xùn)練集中代碼片段，通過靜態(tài)分析獲取對(duì)應(yīng)的增強(qiáng)抽象語(yǔ)法樹AST；將所述訓(xùn)練集中代碼片段的增強(qiáng)AST轉(zhuǎn)化為其狀態(tài)概率矩陣對(duì)應(yīng)的灰度圖像；利用所述訓(xùn)練集中代碼片段對(duì)應(yīng)的灰度圖像訓(xùn)練原始CNN模型，得到目標(biāo)CNN模型；

檢測(cè)模塊，用于將待檢測(cè)源代碼轉(zhuǎn)化為增強(qiáng)AST對(duì)應(yīng)的狀態(tài)概率矩陣的灰度圖像；將所述待檢測(cè)源代碼對(duì)應(yīng)的灰度圖像輸入所述目標(biāo)CNN模型，得到漏洞檢測(cè)結(jié)果。

9.一種源代碼漏洞檢測(cè)系統(tǒng)，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)權(quán)利要求1至7中任一項(xiàng)所述的方法的步驟。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至7中任一項(xiàng)所述的方法的步驟。