1.一种多视图融合的源代码逻辑漏洞检测方法,其特征在于,其包括如下步骤:S1:将软件源代码编码为包含树视图和流视图的特征信息的融合特征向量,过程包括:S11:根据软件源代码生成代码属性图CPG;
S12:从CPG中抽取出对应的边和节点分别构造成抽象语法树AST、控制流图CFG和程序依赖图PDG;
S13:按照预设的规则,在所述抽象语法树AST中的节点间增加表征返回、循环和跳转操作的附加边,进而得到增强语法树EAST;
S14:将增强语法树EAST作为树视图,并通过预训练的代码语义编码模型生成对应的树视图特征;
S15:将控制流图CFG和程序依赖图PDG作为流视图,并通过预训练的代码语义编码模型生成对应的流视图特征;
S16:将所述树视图和所述流视图的特征向量进行平均池化后拼接,进而得到所需的融合特征向量;
S2:获取由软件代码转换出的融合特征向量,人工添加表征是否存在漏洞的标签信息后作为样本数据,进而构成所需的样本数据集;
S3:选择交叉熵损失作为损失函数,将样本数据集分为训练集和测试集,并用于对一个CNN模型进行训练和测试,保存满足性能指标要求的网络模型的模型参数;
S4:将保存的网络模型作为漏洞检测模型,待识别的软件源代码编码为对应的融合特征向量后输入到所述漏洞检测模型,进而实现漏洞检测。
2.如权利要求1所述的多视图融合的源代码逻辑漏洞检测方法,其特征在于:步骤S11中,利用基于源代码的静态分析工具joern将软件源代码转换为对应的代码属性图CPG。
3.如权利要求2所述的多视图融合的源代码逻辑漏洞检测方法,其特征在于:步骤S13中,相对抽象语法树AST而言,所述增强语法树EAST中增加的附加边包括:(1)连接AST中的return节点与函数名节点,记为返回边RETURN TO;
(2)在同一行代码语句的所有变量对应的节点之间增加一条依次串联的边,记为层间级联边NEXT_TOKEN;
(3)在所有原始边和层间级联边对应的节点之间增加一条后向边Reverse edge。
4.如权利要求3所述的多视图融合的源代码逻辑漏洞检测方法,其特征在于:步骤S14中,通过预训练的GraphCodeBERT生成树视图的特征向量;步骤S15中通过预训练的CodeBERT生成流视图的特征向量。
5.如权利要求4所述的多视图融合的源代码逻辑漏洞检测方法,其特征在于:步骤S15中,先通过CodeBERT分别提取CFG和PDG的特征,然后将二者的特征进行特征拼接,进而构成流视图的特征向量。
6.如权利要求5所述的多视图融合的源代码逻辑漏洞检测方法,其特征在于:步骤S16中经过平均池化后的树视图的特征向量为1*768维;流视图的特征向量为2*768维;则所述融合特征向量为3*768维。
7.如权利要求6所述的多视图融合的源代码逻辑漏洞检测方法,其特征在于:步骤S3中,所述CNN模型中包括10个卷积滤波层和128个隐藏层,并采用ReLU作为激活函数。
8.如权利要求7所述的多视图融合的源代码逻辑漏洞检测方法,其特征在于:步骤S4中,所述融合特征向量分为三个通道同时输入到所述漏洞检测模型,所述漏洞检测模型用于输出融合特征向量对应的软件源代码是否包含漏洞的预测结果。
9.一种多视图融合的源代码逻辑漏洞检测系统,其特征在于:其基于如权利要求1-8中任意一项所述的多视图融合的源代码逻辑漏洞检测方法设计得到;所述多视图融合的源代码逻辑漏洞检测系统包括:代码获取单元,其用于获取待检测的软件的源代码;
CPG生成单元,其采用预设的静态分析工具根据输入的源代码生成对应的代码属性图;
树视图生成单元,其用于从所述代码属性图中抽取对应的节点和边,构造成抽象语法树AST,然后在AST中添加三类附件边,得到的增强语法树EAST作为所需的树视图;
流视图生成单元,其用于从所述代码属性图中抽取对应的节点和边,构造成的控制流图CFG和程序依赖图PDG共同作为所需的流视图;
融合特征生成单元,其用于采用预训练的代码语义编码模型生成所述树视图和流视图对应的特征向量,并对二者先进行平均池化再进行特征拼接,进而得到所需的融合特征向量;
漏洞检测模型,其由CNN模型经如权利要求1-8中任意一项所述的多视图融合的源代码逻辑漏洞检测方法训练得到;所述漏洞检测模型用于根据输入的融合特征向量生成对应的软件代码是否具有漏洞的预测结果,并输出。
10.一种多视图融合的源代码逻辑漏洞检测装置,其包含存储器、处理器,以及存储在所述存储器内并在处理器中运行的计算机程序,其特征在于:所述处理器执行计算机程序时,创建出如权利要求9所述的源代码逻辑漏洞检测系统,进而实现对输入的软件源代码中是否存在漏洞进行检测。