基于机器学习的软件漏洞挖掘方法综述

• 作者: 李韵 王中锋 王晓川 袁露 黄辰林
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 机器学习 漏洞挖掘 代码表征 软件质量 深度学习
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 系统软件与软件工程
• 页码范围: 2040-2061
• 页数: 22页
• 分类号: TP311
• 字数: 25026字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.006055

摘要

软件复杂性的增加,给软件安全性带来极大的挑战.随着软件规模的不断增大以及漏洞形态多样化,传统漏洞挖掘方法由于存在高误报率和高漏报率的问题,已无法满足复杂软件的安全性分析需求.近年来,随着人工智能产业的兴起,大量机器学习方法被尝试用于解决软件漏洞挖掘问题.首先,通过梳理基于机器学习的软件漏洞挖掘的现有研究工作,归纳了其技术特征与工作流程;接着,从其中核心的原始数据特征提取切入,以代码表征形式作为分类依据,对现有研究工作进行分类阐述,并系统地进行了对比分析;最后,依据对现有研究工作的整理总结,探讨了基于机器学习的软件漏洞挖掘领域面临的挑战,并展望了该领域的发展趋势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王晓川	国防科技大学计算机学院	7	73	2.0	7.0
2	黄辰林	国防科技大学计算机学院	12	300	6.0	12.0
3	李韵	国防科技大学计算机学院	3	1	1.0	1.0
4	袁露	国防科技大学计算机学院	1	0	0.0	0.0