[发明专利]基于深度卷积网络和控制流图的漏洞检测系统

摘要

一种基于深度卷积网络和控制流图的漏洞检测系统，包括：预处理模块、训练模块以及预测模块，其中：预处理模块读入漏洞代码库中的目标代码并生成控制流图后转化成二维向量，特征学习模块运用深度卷积网络从二维向量中进行特征提取并训练；本发明通过分析大量的漏洞样本，用深度学习的方式得到漏洞的特征模型，用这个模型来发现未知的漏洞，同时将待测代码与已知漏洞的代码进行相似性比对，来发现近似的漏洞代码。借助人工智能，能够降低漏洞挖掘的难度，靠机器来发现漏洞特征，筛选掉不存在漏洞的代码，提升安全工程师的效率。

主权项

1.一种基于深度卷积网络和控制流图的漏洞检测系统，其特征在于，包括：预处理模块、训练模块以及预测模块，其中：预处理模块读入漏洞代码库中的目标代码并生成控制流图后转化成二维向量，特征学习模块运用深度卷积网络从二维向量中进行特征提取并训练，训练模块中包括：用于特征学习的卷积神经网络单元和用于相似性对比的BP神经网络单元，卷积神经网络单元运用深度卷积网络对二维向量进行特征提取并训练得到识别漏洞特征的神经网络参数；BP神经网络单元运用BP神经网络对目标代码和漏洞代码进行相似性分析并训练得到判别代码相似性的神经网络参数，预测模块对目标代码进行预测工作，根据训练模块得到的参数，判断是否包含漏洞，对于判定为有漏洞的代码生成漏洞报告；所述的二维向量，当目标代码为源码，则预处理模块直接转化成汇编代码，当目标代码为二进制代码，则预处理模块先进行反汇编操作得到汇编代码；根据汇编代码生成控制流图后将控制流图的每个节点映射到一个向量后合并得到。