基于多标签机器学习检测安全相关方法
机器学习
2024-03-13 v1
摘要
为了检测安全漏洞，静态分析工具需要针对安全相关方法进行配置。当前方法可自动识别此类方法，但采用二值相关性机器学习方法，忽略了安全相关方法之间的依赖关系，过于概括化，实际效果较差。此外，用户仍需手动配置静态分析工具。根据用户反馈和观察，过多的手动步骤往往繁琐、容易出错且缺乏直观性。本文提出了 Dev-Assist，一款基于多标签机器学习方法（考虑标签间依赖关系）的 IntelliJ IDEA 插件，用于检测安全相关方法。该插件可自动生成静态分析工具的配置，运行静态分析，并在 IntelliJ IDEA 中显示结果。我们的实验表明，Dev-Assist 的机器学习方法相较于相关方法具有更高的 F1-Measure。此外，该插件减少并简化了配置和使用静态分析工具时的手动工作量。
引用
@article{arxiv.2403.07501,
title = {Detecting Security-Relevant Methods using Multi-label Machine Learning},
author = {Oshando Johnson and Goran Piskachev and Ranjith Krishnamurthy and Eric Bodden},
journal= {arXiv preprint arXiv:2403.07501},
year = {2024}
}
备注
6 pages, 3 figures, The IDE Workshop