检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于多源代码表示的智能漏洞检测技术研究

基于多源代码表示的智能漏洞检测技术研究

作者：张雨婷华中科技大学

学位级别：硕士

随着软件的开源趋势成为主流,软件漏洞随着开源软件或包的使用和分发而广泛传播,这对于软件系统的安全造成了严重的威胁。考虑到源代码中包含了丰富的语法和语义信息,学术界和工业界提出了大量基于源代码分析和代码表示的漏洞检测方法... 详细信息

随着软件的开源趋势成为主流,软件漏洞随着开源软件或包的使用和分发而广泛传播,这对于软件系统的安全造成了严重的威胁。考虑到源代码中包含了丰富的语法和语义信息,学术界和工业界提出了大量基于源代码分析和代码表示的漏洞检测方法。目前,代码表示方法主要包括三种:代码度量信息、代码文本序列和代码图结构。本文通过总结不同代码表示的特征定义与提取方法,分别构建了三种漏洞检测系统。基于代码度量信息的漏洞检测方法主要利用一系列代码复杂度指标来衡量代码包含漏洞的可能性,基于代码文本序列的漏洞检测方法根据词序列来保留代码的上下文语义信息,基于代码图结构的漏洞检测方法中主要剖析了多种代码图结构在图表示学习中的贡献。本文通过对三种代码表示方法的比较,开展基于多源代码表示的智能漏洞检测技术评估,从而得出了最优的代码表示结构。本文在收集了大规模真实软件漏洞数据集和人工构造的数据集后,对三种不同的代码表示技术和十三种学习模型进行了系统的实验评估。实验结果表明了基于代码度量信息的漏洞检测方法和基于代码文本序列的漏洞检测方法在人工数据集上的有效性和在真实软件漏洞数据集上的局限性。在基于代码图结构的漏洞检测方面,本文剖析了多种代码图结构在图表示学习中的贡献,得到了最优的代码图表示。最终,本文提出了基于图切片的漏洞检测方法,将该方法与最先进的漏洞检测系统相比,在真实软件漏洞数据集上,漏洞检测的平均准确率等指标都得到了显著的提升,表明了该方法的有效性、实用性和可拓展性。

关键词：漏洞检测代码表示机器学习深度学习图神经网络

基于代码嵌入的二进制代码相似性检测技术研究及应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于代码嵌入的二进制代码相似性检测技术研究及应用

作者：熊敏中国科学技术大学

学位级别：硕士

二进制代码相似性检测(Binary Code Similarity Detection,BCSD)可以探测商业软件等不开源软件中的潜在漏洞,在防止漏洞的传播和维护软件供应链安全方面具有重要意义。代码嵌入技术利用神经网络模型将二进制函数的代码表示转化为数值向... 详细信息

二进制代码相似性检测(Binary Code Similarity Detection,BCSD)可以探测商业软件等不开源软件中的潜在漏洞,在防止漏洞的传播和维护软件供应链安全方面具有重要意义。代码嵌入技术利用神经网络模型将二进制函数的代码表示转化为数值向量,在漏洞搜索等应用中取得了优势。同一源代码在不同编译配置下生成的二进制函数,虽然语义相同,但它们的控制流图(Control Flow Graph,CFG)差别较大,导致它们的汇编指令序列不相似,而且CFG中的代码路径也难以匹配。因此,基于函数的汇编指令序列、CFG或路径的代码嵌入方法在BCSD任务中的结果一般。为减少编译配置对相似性检测的干扰,本文先将函数表示为一组基本块树(Basic Block Tree,BBT),BBT由一个基本块和其直接相连的子节点组成。然后,构建代码嵌入模型将基于BBT的代码表示转化为向量,并应用于真实漏洞的搜索。本文的主要研究工作和贡献如下:(1)基于基本块树的二进制代码嵌入方法我们发现,尽管两个CFG整体结构差异较大,但它们之间匹配的BBT较多,而匹配的代码路径较少。因此,我们选择BBT作为CFG的局部特征,并提出了一种基于BBT的二进制代码嵌入方法。为设计基于BBT的代码表示,我们通过层序遍历将CFG分解为一组BBT。同时,使用前序遍历将每个BBT合并为一个汇编指令序列。为构建相应的代码嵌入模型BBTree,我们首先使用Word2vec模型和LSTM网络将BBT的汇编指令序列转化为向量。然后,将所有BBT向量输入Bi-GRU网络,其输出通过最大池化生成一个函数向量。在BCSD的二分类实验中,BBTree的曲线下面积(Area Under Curve,AUC)为0.942,明显高于Gemini 的 0.822 和 SAFE 的 0.897。(2)基于二进制代码相似性检测的搜索应用二进制代码相似性搜索任务的目标是在代码库中找到与待搜索函数Q匹配的目标函数T。这需要计算多对函数之间的相似度,并力求Q和T的相似度最接近。为此,本文提出了一个基于BBTree的二进制代码相似性搜索框架。该框架先使用BBTree把函数转化为向量,并将Q的向量与代码库中每个函数的向量分别计算余弦相似度,选择相似度得分前k名的函数作为候选函数集。然后,将Q的call指令序列与每个候选函数的call指令序列分别计算Jaccard相似度,以进一步定位T。实验结果表明,在漏洞搜索中,该框架的平均召回率为87.9%,明显优于 SAFE 的 59.1%和 Asm2Vec 的 78.3%。

关键词：代码表示代码嵌入模型代码搜索漏洞搜索

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

深度程序理解视角下代码搜索研究综述

计算机工程与应用 2022年第20期58卷 63-72页

作者：汶东震张帆刘海峰杨亮徐博林原林鸿飞大连理工大学辽宁大连116024

代码搜索任务旨在通过分析用户需求,结合用户意图来找到满足其需求的软件构件。在加强软件复用性的同时,提高软件开发维护效率,降低成本。与传统的文档检索不同,程序特性往往隐含在标识符和代码结构中,理解程序功能是实现高效代码搜索... 详细信息

代码搜索任务旨在通过分析用户需求,结合用户意图来找到满足其需求的软件构件。在加强软件复用性的同时,提高软件开发维护效率,降低成本。与传统的文档检索不同,程序特性往往隐含在标识符和代码结构中,理解程序功能是实现高效代码搜索的关键。从深度程序理解视角切入对代码搜索任务进行定义,并总结梳理近期代码搜索研究进展。针对当前代码搜索研究评估方法和数据集进行了整理。针对研究中存在的问题,对未来代码搜索研究进行展望,为后来研究者提供参考。

关键词：程序理解深度程序理解代码搜索自然语言查询代码表示信息检索

基于深度森林的Java代码漏洞挖掘算法研究

在线全文

学校读者我要写书评

暂无评论

基于深度森林的Java代码漏洞挖掘算法研究

作者：符纬康昆明理工大学

学位级别：硕士

漏洞挖掘的价值在于显著降低计算机系统的信息安全风险,J2EE技术的快速发展及其在企业、政府机关等行业的广泛应用给漏洞挖掘带来了前所未有的严峻挑战,基于机器学习的漏洞挖掘方法也成为近年来一个重要的研究课题。作为源代码漏洞挖掘... 详细信息

漏洞挖掘的价值在于显著降低计算机系统的信息安全风险,J2EE技术的快速发展及其在企业、政府机关等行业的广泛应用给漏洞挖掘带来了前所未有的严峻挑战,基于机器学习的漏洞挖掘方法也成为近年来一个重要的研究课题。作为源代码漏洞挖掘的研究热点,当前基于抽象语法树的代码表示方法在将语法树转换为序列时,存在不同结构的语法树被转换为相同序列,导致语义结构信息丢失的问题,而抽象语法树中无关节点的冗余信息则会造成训练时间变长并带来过拟合风险;此外如何使分类器更好地挖掘代码中的深层特征也还有待研究。为解决以上问题,本文提出剪枝语句树的代码表示方法(PST)并在其基础上建立基于剪枝语句树和深度森林的Java源代码漏洞分类模型(PSTDF),主要内容如下:(1)针对语法树转换为序列时不同结构的语法树被转换为相同序列导致语义结构信息丢失、语法树中无关节点的冗余信息带来的训练时间变长及过拟合问题,提出基于剪枝语句树的代码表示(PST方法)。PST方法将Java源代码解析为抽象语法树,接着对抽象语法树进行广度优先遍历生成语句树序列,再对序列中的每一棵语句树使用剪枝算法去除无关节点得到剪枝语句树序列。在公开数据集上进行比较实验的结果表明,PST方法能有效解决语法树转换为序列时的语义结构信息丢失并消除语法树无关节点中冗余信息的负面影响,在分类精度上相比现有方法提升约2.17%,训练时间降低约4.79%。(2)为使分类器更好地挖掘代码中的深层特征,本文以PST方法和深度森林为基础,提出基于剪枝语句树与改进深度森林的漏洞分类模型(PSTDF)。PSTDF的改进深度森林在原始深度森林多粒度扫描的基础上提出一种带预处理阶段的最大池化扫描。最大池化扫描在预处理阶段以宽度固定,高度不等的变长二维向量作为输入,对输入向量转置后对每一行进行最大池化,将变长二维向量转换为定长的一维向量,在扫描阶段以池化的每一行为窗口进行扫描,输出概率向量作为级联森林的输入。与原始多粒度扫描的对比实验结果表明:最大池化扫描能更有效地挖掘代码中的深层特征,相比原始多粒度扫描在精度上提升约1.54%。本文从理论分析和精度、召回率、F1分数、混淆矩阵等实验评价指标在公共数据集上将PSTDF与现有模型进行对比实验。实验结果表明PSTDF取得了比其他模型更显著的效果。

关键词：抽象语法树代码表示深度森林漏洞分类

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于抽象语法树表示的代码片段推荐方法

基于抽象语法树表示的代码片段推荐方法

作者：邵宜超南京航空航天大学

学位级别：硕士

软件开发人员通常需要编写与已有代码具有类似功能的代码,而帮助开发人员重用这些代码片段的代码推荐工具可以显著提高软件开发效率,因此近年来许多研究者开始关注这一领域,并提出了多种代码推荐方法,然而这些方法普遍存在对代码语义信... 详细信息

软件开发人员通常需要编写与已有代码具有类似功能的代码,而帮助开发人员重用这些代码片段的代码推荐工具可以显著提高软件开发效率,因此近年来许多研究者开始关注这一领域,并提出了多种代码推荐方法,然而这些方法普遍存在对代码语义信息挖掘不充分、忽视推荐结果多样性等问题。这些问题导致代码推荐工具精度不高,限制了其进一步的发展。针对上述问题,本文展开了以下研究:(1)提出了基于抽象语法树近似匹配的代码片段推荐方法,该方法使用了一种快速的近似子树匹配算法,即通过哈希思想将子树匹配问题转化为树与列表间的匹配,使得抽象语法树信息可以运用于对时间要求较高的代码推荐任务,快速获取候选代码列表,从而挖掘代码中深层次的语义信息。(2)提出了面向多样性的代码推荐列表优化方法。该方法将最大边缘相关引入代码推荐领域并对其做出改进,综合候选代码与查询代码间的相似度分数(相关性)以及候选代码之间的相似度(冗余性)进行重排序,使得冗余代码片段在候选列表中的排名下降,从而优化排序效果,提升推荐结果的多样性和有效性。(3)结合提出的两种方法,设计并实现了代码片段推荐原型工具。该工具以插件的形式集成在编程开发环境中,为用户提供快速、准确且多样的代码片段推荐功能以及友好的交互界面,进一步验证了上述方法的技术可行性。

关键词：代码片段推荐代码表示信息检索推荐多样性原型工具

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于代码嵌入的二进制代码相似性分析方法

网络安全与数据治理 2023年第3期42卷 58-67页

作者：熊敏薛吟兴徐云中国科学技术大学计算机科学与技术学院安徽合肥230026 安徽省高性能计算重点实验室安徽合肥230026

代码嵌入利用神经网络模型将二进制函数的代码表示转化为向量,在漏洞搜索等应用中展现了优势。现有的方法将函数表示为汇编指令序列、控制流图的拓扑结构或若干路径,都没有克服不同编译环境导致控制流图结构变化的干扰。为此,设计了基... 详细信息

代码嵌入利用神经网络模型将二进制函数的代码表示转化为向量,在漏洞搜索等应用中展现了优势。现有的方法将函数表示为汇编指令序列、控制流图的拓扑结构或若干路径,都没有克服不同编译环境导致控制流图结构变化的干扰。为此,设计了基于基本块树(Basic Block Tree, BBT)的代码表示以及构建了对应的代码嵌入模型BBTree。首先,二进制函数被表示为一系列BBT,每个BBT被处理为指令序列;其次,BBTree利用LSTM和Bi-GRU将基于BBT的代码表示转化为向量;最后,通过计算向量间的距离去高效衡量对应函数的相似性。在代码搜索中,BBTree的平均准确率比主流工具提升了24.8%;在漏洞搜索中,BBTree的平均召回率比主流工具提升了26.1%。

关键词：代码表示代码嵌入模型代码搜索漏洞搜索

在线全文

学校读者我要写书评

暂无评论

面向业务需求的算法路径自组配模型

计算机应用 2023年第6期43卷 1768-1778页

作者：刘耀童昕陈一风中国科学技术信息研究所信息技术支持中心北京100038 北京大学软件与微电子学院北京102600

算法平台作为自动机器学习的实现方式近年来受到广泛关注,然而这些平台的业务流程均需要人工搭建,且这些平台存在模型调用不灵活以及无法针对特定业务定制化的自动算法构建的问题。针对这些问题,提出了一种面向业务需求的算法路径自组... 详细信息

算法平台作为自动机器学习的实现方式近年来受到广泛关注,然而这些平台的业务流程均需要人工搭建,且这些平台存在模型调用不灵活以及无法针对特定业务定制化的自动算法构建的问题。针对这些问题,提出了一种面向业务需求的算法路径自组配模型。首先,基于图卷积网络(GCN)与word2vec表示对代码的序列特征与结构特征同时建模;然后,进一步通过聚类模型发现算法集合中的功能,并基于得到的功能子集为子集间算法组件的路径发现作准备;最后,基于先验知识训练得到关系发现模型与排序模型,挖掘候选代码组件的自组织路径,从而实现算法代码自组配。使用所提评价指标进行对比分析,所提模型的最好结果为0.8,而Okapi BM25+word2vec基线模型的最好结果为0.21。所提模型在一定程度上解决了传统代码表示方法中代码结构与语义信息缺失的问题,并为精细化算法流程自组织和算法管道自动构建的研究奠定了基础。

关键词：自然语言处理排序学习代码解析代码资源结构化代码表示

基于多重卷积注意力机制开发者对话问答对提取

在线全文

学校读者我要写书评

暂无评论

基于多重卷积注意力机制开发者对话问答对提取

作者：朱昱颖海南大学

学位级别：硕士

在实际的软件项目开发过程中,针对不熟悉的代码开发领域,软件工程师会不断遇到问题并且需要帮助。大部分程序员会在互联网上查找相关的信息,如错误修复和代码语法。在拥有海量数据信息的时代,为了协助软件工程师高效地找到有用的信息,... 详细信息

在实际的软件项目开发过程中,针对不熟悉的代码开发领域,软件工程师会不断遇到问题并且需要帮助。大部分程序员会在互联网上查找相关的信息,如错误修复和代码语法。在拥有海量数据信息的时代,为了协助软件工程师高效地找到有用的信息,本文希望能够从开发者对话聊天记录中提取问答对,以帮助建立软件工程方向的人工智能虚拟助手。本文的研究目标是使用开发者在线聊天平台的对话内容作为数据资源,通过深度学习算法提取对话线程中的问答对,为下游任务(如软件工程领域的问答系统)提供数据来源和研究算法。挑战之一是如何从复杂的信息中提取和学习开发者对话的深层特征,以提高虚拟助理对话的多样性和连贯性。现有的问答对(Q&A)提取算法通常只关注文本,而忽略了代码片段,然而这些代码片段在开发人员的对话中包含了有用的上下文信息,这些信息对构建软件工程师虚拟助理至关重要。因此,提取的问答对可能是不准确的,甚至是错误的。针对这个问题,本文提出了一个深度学习模型MCADDL来提取开发者对话的分布式表示,进而提取包含文本和代码片段的问答对。在本文的模型中,通过以高维向量化的形式捕捉问答对上下文数据的特征,分别使用自然语言预训练模型和编程语言预训练模型对文本和代码片段进行词嵌入训练。再将文本和代码片段的高维向量输入模型MCADDL,该模型利用多重卷积注意力机制来学习文本和代码片段的高阶特征关系,以识别潜在的联合特征。通过这种方式,本文的MCADDL可以有效地从开发人员的对话中提取问答对。实验结果表明,本文的MCADDL算法优于基线解决方案,即拥有更高的精确度(74.38%)、召回率(60.25%)和F-measure(66.57%)。在本文的工作中,实现了将已有数据资源整合到实际的应用中,通过使用主流的开发框架对问答对提取系统进行开发与部署,为用户提供可视化、便捷的问答对提取服务。

关键词：深度学习问答对注意力机制代码表示

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

组合源码结构和语义的代码注释自动生成方法

小型微型计算机系统 2021年第12期42卷 2501-2505页

作者：周培君吴军华南京工业大学计算机科学与技术学院南京211816

代码注释有助于提高程序的可读性和可理解性,而不断地创建和更新注释非常费时费力,这将影响对软件的理解、重用和维护.自动代码注释试图解决此类问题,其中代码的表示和文本生成是研究的核心问题.该文提出一种基于编码器-解码器结构的自... 详细信息

代码注释有助于提高程序的可读性和可理解性,而不断地创建和更新注释非常费时费力,这将影响对软件的理解、重用和维护.自动代码注释试图解决此类问题,其中代码的表示和文本生成是研究的核心问题.该文提出一种基于编码器-解码器结构的自动生成Java代码注释模型.方法将代码的顺序序列和代码结构作为单独的输入进行处理,允许模型学习Java方法的结构和语义;以一定的概率从模型生成的预测序列和真实词序列中采样作为下一步的输入,以提高模型的纠错恢复能力.通过与3种典型自动代码注释方法在11个Java项目上的对比实验,结果表明,提出的模型在BLEU得分上提升了16.1%,有助于提高自动代码注释的性能.

关键词：代码注释生成代码表示文本生成编码器-解码器