DCDetector：基于源代码表示下分布式深度集成学习的物联网终端漏洞挖掘系统
密码学与安全
2022-12-06 v2 人工智能
摘要
背景：物联网系统基础设施平台设施漏洞攻击已成为网络安全攻击的主战场。大多数传统漏洞挖掘方法依赖漏洞检测工具来实现漏洞发现。然而，由于工具的不灵活性和文件大小的限制，其可扩展性相对较低，无法应用于大规模电力大数据领域。目标：本研究的目标是智能检测 C/C++ 等高级语言源代码中的漏洞。这使我们提出一种源代码敏感语句相关切片的代码表示，并通过设计分布式深度集成学习模型来检测漏洞。方法：本文提出一种新的并行集成学习定向漏洞挖掘方法，以解决大规模数据漏洞挖掘问题。通过提取敏感函数和语句，形成漏洞代码的敏感语句库。基于 AST 流的更高粒度漏洞代码切片通过随机采样模块对源代码进行 doc2vec 语句向量化，经由 Bi-LSTM 训练器通过分布式训练获得不同分类结果，并通过投票获得最终分类结果。结果：该方法设计并实现了一个称为 DCDetector 的分布式深度集成学习系统软件漏洞挖掘系统。它能利用代码的语法信息进行准确预测，是分析大规模漏洞数据的有效方法。结论：实验表明，该方法能降低传统静态分析的误报率，并提高机器学习的性能和准确性。
引用
@article{arxiv.2211.16235,
title = {DCDetector: An IoT terminal vulnerability mining system based on distributed deep ensemble learning under source code representation},
author = {Wen Zhou},
journal= {arXiv preprint arXiv:2211.16235},
year = {2022}
}
备注
Some experiments need to be done better, and some theories need to be improved,thank you