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: 2025100105158
申请人: 安徽大学
专利类型:发明专利
专利状态:已下证
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:

1.一种基于图简化的代码漏洞检测方法,其特征在于,其包括以下步骤:S1,对原始的软件代码code0进行预处理以去除噪声,得到预处理后的软件代码code1;其中,code1包括K1行代码;

对code1进行图像生成处理,得到程序依赖图PDG;

其中,PDG包括K1个原始节点、K2条原始节点边;

第k1个原始节点表示code1中的第k1行代码;k1∈[1,K1];

K2条原始节点边表示K1个原始节点之间的依赖关系;

S2,对PDG进行图简化处理,得到程序简化图CSG;

CSG包括N1个简化节点、N2个简化节点边;N1<K1,N2<K2;

其中,图简化处理的方法包括:

S21,根据节点类型合并PDG中相邻的原始节点,合并后的简化节点继承合并前原始节点的原始节点边、并形成简化节点边;

S22,去除PDG中的噪声节点和游离节点,并将与噪声节点和游离节点相连的原始节点边进行删除;

S3,对CSG中的N1个简化节点进行向量嵌入,得到N1个简化节点向量,并将CSG更新成代码向量图;

S4,对代码向量图基于简化节点、简化节点边和简化节点向量进行中心性分析,以生成权重图像;

S5,将权重图像调整至CNN模型的输入规格要求、并进行二分类任务,以完成软件代码的漏洞检测。

2.根据权利要求1所述的基于图简化的代码漏洞检测方法,其特征在于,S21中,根据节点类型合并相邻原始节点的方法包括以下步骤:判断相邻原始节点是否符合合并规则;

若相邻原始节点符合合并规则,则合并相邻原始节点;

其中,合并规则包括:

父节点的类型为表达式语句,子节点的类型也为表达式语句,则进行合并;

父节点的类型为标识符声明语句,子节点的类型为标识符,则进行合并;

父节点的类型为条件语句,子节点为任意类型均进行合并;

父节点的类型为for循环语句,子节点的类型为参数列表,则进行合并;

父节点的类型为函数调用语句,子节点的类型为标识符或参数列表,则进行合并;

合并相邻原始节点的方法包括保留父节点类型的原始节点,删除子节点类型的原始节点,并保留子节点类型的原始节点对应的原始节点边;

相邻原始节点中,父节点为位于原始节点边前面的原始节点,子节点为位于原始节点边后面的原始节点。

3.根据权利要求1所述的基于图简化的代码漏洞检测方法,其特征在于,在S22中,噪声节点的判断方法包括以下步骤:S221,确定预定义噪声节点的属性;

S222,将PDG中的K1个原始节点和预定义噪声节点的属性一一进行对比;

若某个原始节点的属性与预定义噪声节点的属性一致,则判断该原始节点为噪声节点。

4.根据权利要求3所述的基于图简化的代码漏洞检测方法,其特征在于,预定义噪声节点的确定方法包括以下步骤:S2211,对样本软件代码进行预处理以去除噪声,并对预处理后的样本软件代码进行图像生成处理,得到程序依赖图PDG’;

其中,样本软件代码为已知存在漏洞的软件代码;

S2212,统计PDG’中的节点类型;

S2213,对PDG’的每个节点类型都进行消融实验,将检测结果有负面影响的节点类型作为可疑节点类型;

S2214,对可疑节点类型中的每个节点进行消融实验,将检测结果有负面影响的节点确定为噪声节点;

对噪声节点的属性进行记录,并保存为预定义噪声节点。

5.根据权利要求1所述的基于图简化的代码漏洞检测方法,其特征在于,S22中,游离节点的判断方法包括以下步骤:S2215,计算PDG中K1个原始节点的度;

S2216,将度为0的原始节点视为游离节点。

6.根据权利要求1所述的基于图简化的代码漏洞检测方法,其特征在于,S4中,生成权重图像的方法包括以下步骤:S41,计算得到代码向量图中N1个简化节点的可破坏性度量x1~xN1、特征向量中心性EC1~ECN1和接近中心性CC1~CCN1;

S42,根据N1个简化节点的可破坏性度量x1~xN1计算得到可破坏性度量通道;

根据N1个简化节点的特征向量中心性EC1~ECN1计算得到特征向量通道;

根据N1个简化节点的接近中心性CC1~CCN1计算得到接近通道;

S43,根据可破坏性度量通道、特征向量通道和接近通道生成权重图像;

权重图像用于表征N1行简化节点的重要性。

7.根据权利要求6所述的基于图简化的代码漏洞检测方法,其特征在于,计算可破坏性度量通道的方法包括以下步骤:S411,计算第n1个简化节点的可破坏性度量xn1,n1∈[1,N1],其计算公式为:式中,nreachable表示第n1个简化节点与其后面相邻简化节点的简化节点边数,ntotal表示代码向量图中所有的简化节点数;

S412,将第n1个简化节点向量乘以第n1个简化节点的可破坏性度量xn1得到通道值一;

S413,遍历N1个简化节点,得到N1个通道值一;

将N1个通道值一按照代码行顺序进行排列得到可破坏性度量通道。

8.根据权利要求6所述的基于图简化的代码漏洞检测方法,其特征在于,计算特征向量通道的方法包括以下步骤:S421,计算第n1个简化节点的特征向量中心性ECn1,n1∈[1,N1],其计算公式为:式中,α表示比例常数,β表示第n1个简化节点的特征向量中心性ECn1的初始值;A表示邻接矩阵;An1j1表示第n1个简化节点和第j1个简化节点之间的边权重或连接关系;xj1表示第j1个简化节点的特征向量中心性ECj1,第j1个简化节点与第n1个简化节点为相邻节点,j1∈[1,N1];

S422,将第n1个简化节点的向量乘以第n1个简化节点的特征向量中心性ECn1得到通道值二;

S423,遍历N1个简化节点,得到N1个通道值二;

将N1个通道值二按照代码行顺序进行排列得到特征向量通道;

计算接近通道的方法包括以下步骤:

S431,计算第n1个简化节点的接近中心性CCn1,其计算公式为:式中,dn1j2表示第n1个简化节点和第j2个节点之间的最短距离;j2∈[1,N1];N表示CSG中所有简化节点的数量;

S432,将第n1个简化节点的向量乘以第n1个简化节点的接近中心性CCn1得到通道值三;

S433,遍历N1个简化节点,得到N1个通道值三;

将N1个通道值三按照代码行顺序进行排列得到接近通道。

9.根据权利要求1所述的基于图简化的代码漏洞检测方法,其特征在于,S5中,将权重图像调整至CNN模型输入规格要求的方法包括以下步骤:若权重图像的大小小于阈值,则在可破坏性度量通道、特征向量通道和接近通道的末端填充零向量;

若权重图像的大小大于阈值,则删除可破坏性度量通道、特征向量通道和接近通道的末端数据。

10.一种基于图简化的代码漏洞检测系统,其特征在于,其使用如权利要求1至9中任一项所述的基于图简化的代码漏洞检测方法;基于图简化的代码漏洞检测系统包括:预处理模块,其用于对原始的软件代码code0进行预处理以去除噪声,得到预处理后的软件代码code1;还用于对预处理后的软件代码进行图像生成处理,得到程序依赖图PDG;

图简化模块,其用于对PDG进行图简化处理,得到程序简化图CSG;

节点嵌入模块,其用于对CSG中的N1个简化节点进行向量嵌入,得到N1个简化节点向量,并将CSG更新成代码向量图;

图像生成模块,其用于对代码向量图基于简化节点、简化节点边和简化节点向量进行中心性分析,以生成权重图像;

分类模块,其用于将权重图像调整至CNN模型的输入规格要求,并进行二分类任务。