检索结果-南通市图书馆

同方期刊数据库评论

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

维普期刊数据库

同方期刊数据库评论

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

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

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于自然语言处理的代码函数名预测

基于自然语言处理的代码函数名预测

作者：胡潇天津大学

学位级别：硕士

函数名称预测是代码分析中的一项重要下游任务。优秀的函数名称可以增加程序或者代码的可理解性,帮助开发人员轻松的理解他人的代码,这对软件产品的扩展和维护至关重要。近年来,研究人员提出了大量不同的函数名称预测模型,而随着机器学... 详细信息

函数名称预测是代码分析中的一项重要下游任务。优秀的函数名称可以增加程序或者代码的可理解性,帮助开发人员轻松的理解他人的代码,这对软件产品的扩展和维护至关重要。近年来,研究人员提出了大量不同的函数名称预测模型,而随着机器学习的发展,函数名称预测方法逐渐从传统的代码分析方向转变到深度学习代码表示上,各种基于机器学习的函数名称预测工具层出不穷。但是在利用机器学习的模型完成函数名称预测任务上,仍然存在两个方面的问题:一是无法很好的完成跨越不同项目的函数名称预测任务,普通的方法只能完成同一项目下的预测任务;二是函数名称库的局限性,导致各种方法预测的准确率较低。因此本课题针对以上两个问题,提出了基于大型函数语料库的跨越不同项目的函数名称预测模型。在本课题中,我们首先提出了从Git开源仓库中提取大型函数语料库的方法。通过本文设计的函数提取工具,本文提取所有满足条件的开源项目中的函数,然后经过数据清洗和函数过滤后,构建了大型函数语料库。接着本文利用自然语言处理方向的Skip-gram模型,完成了代码Token的向量预训练任务。为了很好的用向量表示代码,即code2vec任务,本课题提出了基于函数名称监督训练代码向量的AttBiLSTM模型。同时为了加速模型训练和提高预测的准确率,我们使用TF-IDF算法分析代码中的关键Token,并建立起不同Token的候选函数名称集合,在模型效率和预测准确率上都有了很大的提升。最后本课题基于提取的大型函数语料库进行了充分的实验对比。实验结果表明,在函数名称预测任务中,无论在模型效率还是预测准确率上,本课题的预测方法都优于目前其他先进的方法。

关键词：函数名称预测机器学习 TF-IDF算法代码表示 AttBiLSTM模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的语义代码克隆检测

基于深度学习的语义代码克隆检测

作者：成肖云天津大学

学位级别：硕士

代码克隆的存在对软件系统的可维护性产生了很多负面影响,语义克隆是指语法上不同但仍然执行相同功能的代码,在过去提出的各种检测代码克隆的方法中很少能对语义克隆进行检测。语义克隆检测是一个复杂的过程,因为源代码的语法和语义很灵... 详细信息

代码克隆的存在对软件系统的可维护性产生了很多负面影响,语义克隆是指语法上不同但仍然执行相同功能的代码,在过去提出的各种检测代码克隆的方法中很少能对语义克隆进行检测。语义克隆检测是一个复杂的过程,因为源代码的语法和语义很灵活,因此选取合适的源代码中间表示对整个代码克隆检测过程至关重要。在常用的语义克隆检测的中间表示中token、AST、图较为常见。但是token携带的词汇信息对于语义克隆检测任务来说是不够的,而且其有效性受到词汇表的限制。基于AST、图表示源代码会给计算带来沉重负担。代码克隆检测不仅需要考虑准确度还要考虑效率。在本研究课题中为了充分发挥深度学习检测代码克隆的能力,同时避免使用AST、图高成本的中间表示,我们提出了一种新的基于token的源代码表示方式Token Pair Embedding(TPE),并证明其在代码克隆检测尤其是语义克隆检测上的有效性。本课题设计了一个标准的Siamese分类模型进行代码克隆检测,子网络选取基于自注意力机制的Bi LSTM网络,使用Bi LSTM可以很好的捕获序列双向的语义关系。我们从代码克隆检测常用基准中选取了三个常用的基准Big Clone Bench、GCJ和OJClone,将我们所提出的方法与最先进两种方法TBCCD、ASTNN进行了比较。实验结果表明TPE在代码克隆检测中效果显著,在Big Clone Bench数据集上所得到的准确率和召回率均要高于最新的语义克隆检测工具ASTNN和TBCCD,并且数据处理时间分别是ASTNN的36.36%和TBCCD的41.38%,模型预测时间分别是ASTNN的37.72%和TBCCD的34.13%。此外在另外两个通用的数据集OJClone和GCJ上,TPE代码克隆检测方案所获得的F值均要高于TBCCD,在数据处理和模型预测时间上都要短于ASTNN、TBCCD。此外本课题还初步研究了数据集划分以及数据集中正负样本的比例对不同模型的影响,实验结果表明数据集的不同划分方式对不同模型的影响程度不一致。

关键词：语义克隆检测代码表示神经网络数据集划分

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种自动构造语料并进行代码克隆检测的方法

一种自动构造语料并进行代码克隆检测的方法

作者：桑炜天津大学

学位级别：硕士

代码克隆检测是程序质量分析中的一项重要任务,检测出程序中的克隆代码有利于提高软件项目的可维护性,降低程序代码冗余。近年来,学者们贡献了多种克隆检测工具,随着机器学习的发展,很多基于机器学习检测代码克隆的方法应运而生,尤其是... 详细信息

代码克隆检测是程序质量分析中的一项重要任务,检测出程序中的克隆代码有利于提高软件项目的可维护性,降低程序代码冗余。近年来,学者们贡献了多种克隆检测工具,随着机器学习的发展,很多基于机器学习检测代码克隆的方法应运而生,尤其是有监督的学习器加上词嵌入预处理的形式,在克隆检测任务中展示出了良好的效果。但是利用有监督学习器检测代码克隆存在两方面的问题:一是有标签的训练语料难以获得,以人工手动标注的方式构造克隆语料费时费力又带有很大程度的主观性。二是在克隆检测任务中通常采用基于token的中间表示形式,若直接把这些有限数量的token构成的词汇表用于预训练,学习器获得的学习能力不够充分。因此,本文针对上述两个问题,提出了一种有效的代码克隆检测方法。首先,本课题提出了基于代码克隆定义自动构造大规模伪训练语料库的方法,降低了打标签的成本,同时也提高了标注的科学性。其次,我们提出了在克隆代码检测任务中有效的代码中间表示——TPE单元,平衡了预训练词汇表表达能力和训练成本的关系。最后,利用充足的克隆语料和合理的代码表征方式,并基于有监督的分类器,我们提出了一个代码克隆检测模型,旨在解决1-3型代码克隆的检测的问题,并实现了一个查准率、查全率高的可靠代码克隆检测工具——TPECCD。我们在Big Clone Bench数据集上进行实验来验证我们的方法。实验结果表明,在克隆检测任务中,利用本课题提出的自动构造伪克隆语料的方法生成的克隆语料能取得和人工标注的数据集相当的效果;采用TPE单元作为代码中间表示形式参与到深度学习方法的预训练中,可以为神经模型输入更丰富的代码信息,同时减少了程序语句作为中间表示形式带来的集外词现象;本文提出的克隆检测工具与目前最先进的代码克隆检测工具TECCD,Oreo,CCLearner和CCAligner相比,有更好的检测效果。

关键词：代码克隆检测深度学习词嵌入代码表示

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

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