1.C或C++代码漏洞检测方法,其特征在于,包括以下步骤:
S1、将包括训练集和待检集的C或C++代码集合进行预处理,使得该C或C++代码集合转化为符号表示;
S2、训练集的每一部分代码的符号表示根据代码自身属性打上标签;
S3、新建漏洞检测模型,并通过打上标签的训练集进行训练;
S4、将已转化为符号表示的C或C++代码集合中的待检集作为输入,通过已完成训练的漏洞检测模型进行检测,并输出漏洞检测结果;
所述步骤S3中,已转化为符号表示及打上标签的训练集中的C或C++代码输入漏洞检测模型,依次经过词编码器、词注意力层、句编码器、句注意力层,最终输出结果向量,结果向量再通过softmax层得到该C或C++代码存在漏洞的概率分布,概率较大的值即为检测值,检测值与标签值重合越多代表漏洞检测训练越准确;不断调节词编码器、词注意力层、句编码器、句注意力层中的各个参数,直到满足设定的精度要求;
其中,词编码器的处理,用于获取每一个词的隐藏状态;
词注意力层的处理,用于获取每行符号表示的特征向量;
句编码器的处理,用于获取每行符号表示的隐藏状态;
句注意力层的处理,用于获取结果向量;
词编码器的处理过程包括:
A1、使用词法分析器将每一行符号表示转化为词序列,再使用word2vec模型将每一行词序列表示成向量形式;
A2、根据调用函数中参数的来源不同,将调用的函数分为外部函数和内部函数,外部函数指参数受IO交互影响,内部函数则相反;向量长度大于固定值时,外部函数向量丢弃尾部数据,内部函数向量丢弃头部数据;向量长度小于固定值时,外部函数向量尾部填充0,内部函数向量头部填充0,从而统一向量的长度;
A3、以统一长度的向量作为输入,分别通过前向和后向GRU网络获得前后向隐藏状态,接着拼接前后向隐藏状态,从而得到每一个词的隐藏状态;
词注意力层的处理过程包括:以词编码器编码后的每一个词的隐藏状态作为输入,通过只含一个隐藏层的多层感知机并以tanh作为激活函数获得每一个词的隐藏表征,隐藏表征再通过softmax函数获得每一个词在对应符号表示中的权重,最后将每个词的权重乘以每个词的向量相加获取对应符号表示的特征向量;
句编码器的处理过程包括:以词注意力层获取的特征向量作为输入,通过前向和后向GRU网络获得前后向隐藏状态,拼接前后向隐藏状态得到每行符号表示的隐藏状态;
句注意力层的处理过程包括:以句编码器编码后的每行符号表示的隐藏状态作为输入,通过只含一个隐藏层的多层感知机并以tanh作为激活函数获得每行符号表示的隐藏表征,隐藏表征再通过softmax函数获得每行符号表示在整个代码片段中的权重,最后将每行符号表示的权重乘以每行符号表示的特征向量相加获取整个代码片段的结果向量。
2.根据权利要求1所述的C或C++代码漏洞检测方法,其特征在于,所述步骤S1中,预处理过程包括:S1-1、从C或C++程序代码集合中搜索API函数调用;
S1-2、根据搜索到的API函数调用,以传进函数的参数作为出发点,记录其每个参数所在代码行,如果记录的某一代码行存在未知的参数或变量,则查找并记录其他存在该些未知的参数或变量的代码行,最后得到该函数调用相关联的代码;
S1-3、基于所得函数调用相关联的代码,按代码执行先后顺序排列代码,得到代码片段;
S1-4、根据所得代码片段,移除代码注释和非可读字符,对用户定义的变量和函数做符号映射,得到符号表示。
3.C或C++代码漏洞检测系统,所述C或C++代码漏洞检测系统用于实现权利要求1-2中任一的C或C++代码漏洞检测方法,其特征在于,该C或C++代码漏洞检测系统包括依次连接的预处理模块(1)、标签模块(2)、漏洞检测模型训练模块(3)以及漏洞检测模块(4);
其中,
所述预处理模块(1)用于将包括训练集和待检集的C或C++代码集合转化为符号表示;
所述标签模块(2)用于对已转化为符号表示的C或C++代码集合中的训练集打上标签;
所述漏洞检测模型训练模块(3)用于通过打上标签的训练集训练漏洞检测模型;
所述漏洞检测模块(4)用于将已转化为符号表示的C或C++代码集合中的待检集作为输入,通过已完成训练的漏洞检测模型进行检测,并输出漏洞检测结果。
4.一种计算机,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1-2任意一项所述方法的步骤。
5.一种存储介质,其存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-2任意一项所述方法的步骤。