欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024118707754
申请人: 南通大学
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种使用异构图注意力网络的源代码漏洞检测方法,其特征在于,包括以下步骤:

1.1:通过开源网站收集项目所需的C、C++源代码,对其进行预处理,构造成漏洞数据集D,D格式为<函数id,函数,标签>;

1.2:对数据集D中各函数使用Joern工具进行代码解析,提取出函数的抽象语法树、控制流图以及数据流图;

1.3:将1.2中的各图构建成异构图G,然后使用代码剪枝算法HGS1和HGS2对异构图G进行图剪枝操作;

1.4:将处理好的异构图G输入到Word2Vec预训练模型中,生成各个节点的初始特征向量,得到最终的数据集结构为D1,其格式为<函数id,节点集合,边集合,特征向量集合,标签>;

1.5:构建基于元路径的异构图注意力网络,融入多头自注意力机制,用以挖掘源代码中更深层次的语义和句法信息,获取预测标签;

1.6:对步骤1.4得到的数据集D1进行划分,按照80%:10%:10%的比例进行随机划分训练集、验证集和测试集,然后将训练集用于步骤1.5中的模型训练,根据指定的性能度量指标,基于验证集保留性能最高的模型M;

1.7:将测试集中各函数视为待检测的源代码,使用最佳模型M来预测这些函数是否包含漏洞。

2.根据权利要求1所述的一种使用异构图注意力网络的源代码漏洞检测方法,其特征在于,所述步骤1.1中收集开源C、C++数据集以及预处理,包括如下步骤:

2.1:选择开源的Devign、Reveal和Fan et al.数据集;

2.2:对源代码进行预处理,包括去除注释、空行、宏定义冗余内容,将变量统一成var1、var2形式,将函数统一成func1、func2的形式;

2.3:删除截断异常的函数,删除Joern工具无法解析的函数,删除解析后节点数超过500的函数。

3.根据权利要求1所述的一种使用异构图注意力网络的源代码漏洞检测方法,其特征在于,所述步骤1.3中,将各图构建成异构图以及HGS1和HGS2两种图剪枝算法,包括如下步骤:

3.1:根据函数的抽象语法树、控制流图以及数据流图提取节点集N,其格式为<节点id,节点信息,节点类型>;

3.2:将函数的抽象语法树、控制流图以及数据流图基于节点id进行拼接,遍历每个节点,然后构建边集合,将来自于不同图的边添加到边集合中并记录为不同的变类型,语法边、控制流边、数据流边,边集合E的格式为<起始节点,终点节点,边类型>;

3.3:对于HGS1算法,首先对输入图执行广度优先遍历,当两个节点v和j具有相同的值并且共享一个共同的父节点时,删除v和j之间的边以及节点j,并将v的类型更改为父节点类型;

3.4:对于HGS2算法,当节点v和j的值相同且v是j唯一的父节点时,则合并这两个节点。

4.根据权利要求1所述的一种使用异构图注意力网络的源代码漏洞检测方法,其特征在于,所述步骤1.5中,构建基于元路径的异构图注意力网络,包括如下步骤:

4.1:基于12条固定语义的元路径,将异构图构造成异构信息网络,其格式为<元图1,元图2,…,元图12>,其中每个元图与一条元路径对应;

4.2:构建节点级注意力层,单独对每个元图中各节点与其相邻节点之间的相关系数e,然后计算每个邻居节点与该节点的注意力系数,获得注意力系数后,对初始节点表示进行线性变换,然后结合注意力系数更新节点表示;

4.3:构建语义级注意力层,计算每个元路径的权重,对节点级嵌入进行非线性变换,使用Softmax归一化作为语义级注意力,得到权重系数后,将所有节点级嵌入融合在一起,得的最终的嵌入;

4.4:得到最终嵌入向量后,将其作为函数文件的图级特征表示,反馈传输到一个多层感知器中,并采用sigmoid函数进行分类。