[发明专利]基于中间语言与迁移表征学习的漏洞挖掘系统及方法

权利要求书

1.一种基于中间语言与迁移表征学习的漏洞挖掘系统，其特征在于，包括：迁移表征模型训练模块、卷积网络训练模块和软件漏洞挖掘模块，其中：迁移表征模型训练模块使用编译成中间语言并预处理后的数据与标签对双向长短期记忆网络进行迁移学习训练，并将BiLSTM网络中的中间隐藏层计算结果输出，作为数据集的高级表征形式；卷积网络训练模块使用数据的高级表征形式与对应标签，训练一个卷积神经网络分类器用于对高级表征进行判别；软件漏洞挖掘模块使用另外两个模块训练生成的模型，首先对未知的软件进行编译和预处理，并将处理后的代码段输入BiLSTM网络中，从BiLSTM网络的隐藏层中得到数据高级表征，再输入卷积神经网络分类器中，最终得到该代码段是否具有漏洞判别结果；

所述的预处理，包括中间语言编译、高危点定位、代码切片和函数名标准化处理。

2.根据权利要求1所述的基于中间语言与迁移表征学习的漏洞挖掘系统，其特征是，所述的卷积网络训练模块包括：卷积网络搭建单元和卷积网络训练单元，其中：卷积网络搭建单元搭建一个卷积神经网络结构并对卷积核的数量和参数进行初始化；卷积网络训练单元使用迁移表征模型训练模块输出的高级表征与标签，对CNN进行训练。

3.根据权利要求1所述的基于中间语言与迁移表征学习的漏洞挖掘系统，其特征是，所述的迁移表征模型训练模块包括：训练数据预处理单元、BiLSTM搭建单元、迁移学习训练单元和表征提取单元，其中：训练数据预处理单元对已收集的漏洞代码数据进行预处理，根据数据集是由现实软件中收集还是人工合成，将数据分成两个部分；BiLSTM搭建单元建立BiLSTM网络结构；迁移学习训练单元使用人工合成的数据进行初步训练，再使用从真实存在的可获取源代码的开源软件项目中收集的数据进行迁移学习训练，得到训练后的BiLSTM模型；表征提取单元用于提取并输出BiLSTM模型中隐藏层的输出，作为原始数据的高级表征。

4.根据权利要求1所述的基于中间语言与迁移表征学习的漏洞挖掘系统，其特征是，所述的软件漏洞挖掘模块包括：中间语言编译单元、软件高危点定位单元、软件代码切片单元、软件代码预处理单元、高级表征计算单元和结果预测单元，其中：中间语言编译单元将软件源代码可编译的部分编译成中间语言；软件高危点定位单元在软件中搜索可能导致漏洞的高危函数并定位；软件代码切片单元针对每一个高危点，搜索所有与其产生控制流依赖和数据流依赖的代码行，并将其整合成代码切片；软件代码预处理单元将代码切片中的编译信息删除并对函数名进行标准化处理；高级表征计算单元将处理后的代码切片输入BiLSTM网络中，并计算其隐藏层输出，得到数据高级表征；结果预测单元将高级表征输入CNN网络中，计算得到该代码切片的漏洞预测结果。

5.一种根据权利要求1～4中任一所述系统的基于中间语言与迁移表征学习的漏洞挖掘方法，其特征在于，通过使用收集的漏洞代码数据集在离线阶段训练BiLSTM网络用于表征提取，再以提取得到的高级表征训练CNN分类网络；在在线阶段对待测软件代码进行编译与预处理后，经高危点定位与程序切片后，将切片依次输入训练后的BiLSTM网络和CNN分类网络并获得每个切片的漏洞判别结果。

6.根据权利要求5所述的漏洞挖掘方法，其特征是，所述的漏洞代码数据集是指：预先收集的漏洞代码，其中每一条数据应为一段较完整的软件源代码，并有标签与之对应，标签的值为0或1，其中0表示该代码段没有漏洞，1表示该代码段有漏洞。

7.根据权利要求5所述的漏洞挖掘方法，其特征是，所述的程序切片是指：在待测的软件源码中搜索高危函数，以某一高危函数为切片点，搜索所有与该切片点存在控制依赖关系与数据依赖关系的相关代码行，提取这些代码行作为基于该切片点的程序切片。

8.根据权利要求5所述的漏洞挖掘方法，其特征是，所述的漏洞判别结果是指：所有从待测软件中提取的程序切片都对应一个漏洞预测结果，是一个0到1之间的数，其值越接近1，表明该程序切片有漏洞的可能性越大，反之则越小；程序切片的每一行都记录该行对应于源代码的文件位置及行号，当任一程序切片的判定结果为有漏洞，即得到这些代码在源文件的位置，对漏洞进行进一步分析验证。