一种用于检测PHP漏洞的混合图神经网络方法
密码学与安全
2023-06-21 v1 机器学习
摘要
本文提出DeepTective，一种用于检测PHP源代码中漏洞的深度学习方法。我们的方法实现了一种新颖的混合技术，结合门控循环单元(Gated Recurrent Units)与图卷积网络(Graph Convolutional Networks)，利用句法与语义信息来检测SQLi、XSS和OSCI漏洞。我们在已确立的合成数据集和从GitHub收集的新现实世界数据集上评估了DeepTective，并与当前最优方法进行比较。实验结果表明，DeepTective在合成数据集上取得了近乎完美的分类效果，在现实数据集上取得了88.12%的F1分数，优于相关方法。我们通过在知名WordPress插件中发现4个新漏洞，在真实环境中验证了DeepTective。
引用
@article{arxiv.2012.08835,
title = {A Hybrid Graph Neural Network Approach for Detecting PHP Vulnerabilities},
author = {Rishi Rabheru and Hazim Hanif and Sergio Maffeis},
journal= {arXiv preprint arXiv:2012.08835},
year = {2023}
}
备注
A poster version of this paper appeared as https://doi.org/10.1145/3412841.3442132