基于神经网络与代码相似性的静态漏洞检测

• 作者: 夏之阳 易平 杨涛
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 软件安全 静态漏洞检测 深度学习 神经网络 代码相似性
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 安全技术
• 页码范围: 141-146
• 页数: 6页
• 分类号: TP309
• 字数: 3613字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0053136

摘要

静态漏洞检测通常只针对文本进行检测,执行效率高但是易产生误报.针对该问题,结合神经网络技术,提出一种基于代码相似性的漏洞检测方法.通过对程序源代码进行敏感函数定位、程序切片和变量替换等数据预处理操作,获取训练所用数据.构建基于Bi-LSTM的相似性判别模型,设定漏洞模板数据库,将待测代码与漏洞模板作比对以判别其是否存在漏洞.实验结果表明,该方法的准确率可达88.1％,误报率低至4.7％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	易平	上海交通大学网络空间安全学院	35	140	8.0	9.0
2	杨涛		5	18	3.0	4.0
3	夏之阳	上海交通大学网络空间安全学院	2	1	1.0	1.0