隨著信息技術(shù)的迅猛發(fā)展,各式各樣的軟件被開發(fā)出來以滿足人們不同的需求。軟件不可避免會(huì)存在一定的安全漏洞,攻擊者利用軟件漏洞發(fā)動(dòng)網(wǎng)絡(luò)攻擊,對網(wǎng)絡(luò)安全造成嚴(yán)重威脅。及時(shí)檢測軟件中存在的安全缺陷對避免攻擊事件發(fā)生至關(guān)重要。由于閉源軟件無法獲取程序的源代碼,基于二進(jìn)制程序的漏洞檢測,已被漏洞挖掘人員廣泛用來發(fā)現(xiàn)軟件漏洞。人工智能技術(shù)在近幾年得到快速發(fā)展,應(yīng)用也越來越廣泛,基于機(jī)器學(xué)習(xí)方法的軟件漏洞檢測研究也取得了一定的進(jìn)展。然而現(xiàn)有方法存在主觀性強(qiáng),檢測粒度粗,誤報(bào)率和漏報(bào)率高等問題。本文基于對二進(jìn)制程序漏洞檢測相關(guān)工作的研究,針對現(xiàn)有二進(jìn)制漏洞檢測技術(shù)存在的誤報(bào)率高、依賴專家經(jīng)驗(yàn)、以及度量粒度粗的問題,提出一種基于程序切片的二進(jìn)制代碼漏洞智能檢測方案,并實(shí)現(xiàn)了一個(gè)基于深度學(xué)習(xí)的二進(jìn)制代碼漏洞檢測系統(tǒng)。論文主要工作如下:首先,用程序切片細(xì)粒度表示二進(jìn)制程序,并利用深度學(xué)習(xí)技術(shù),設(shè)計(jì)構(gòu)建了能夠適用于二進(jìn)制代碼漏洞檢測的循環(huán)神經(jīng)網(wǎng)絡(luò)模型、長短時(shí)記憶神經(jīng)網(wǎng)絡(luò)模型、門控循環(huán)單元神經(jīng)網(wǎng)絡(luò)模型、雙向循環(huán)神經(jīng)網(wǎng)絡(luò)模型、雙向長短時(shí)記憶神經(jīng)網(wǎng)絡(luò)模型和雙向門控循環(huán)單元神經(jīng)網(wǎng)絡(luò)模型。基于對這些深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型的... 

【文章來源】：河北大學(xué)河北省

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【部分圖文】：

ELF文件基本結(jié)構(gòu)

σσtanh l- th xtt tz圖 2-5 GRU 結(jié)構(gòu)圖深度學(xué)習(xí)框架- Keras學(xué)習(xí)需要借助一些框架來實(shí)現(xiàn)，目前應(yīng)用比較廣泛的深度學(xué)ow，Keras 等。圖 2-6 為 2018 年深度學(xué)習(xí)框架影響力排名，由 JeffH 11 個(gè)數(shù)據(jù)源計(jì)算得出。本文主要應(yīng)用 Keras 實(shí)現(xiàn)深度學(xué)習(xí)模型的搭 的相關(guān)內(nèi)容進(jìn)行介紹。

第四章 二進(jìn)制代碼漏洞智能檢測方案實(shí)現(xiàn)洞說明文檔中提取漏洞信息，如漏洞程序名，漏洞行號，漏洞類型等，并添加到目標(biāo)信息列表（target_info）；5-11 行為從調(diào)試信息文件中提取二進(jìn)制程序名，并與目標(biāo)信息列表中的漏洞程序名進(jìn)行匹配，如果找到該二進(jìn)制程序，則將該程序的漏洞行號的匯編地址添加到目標(biāo)信息列表；12-21 行為匹配目標(biāo)信息列表中的二進(jìn)制程序名與程序切片所屬程序的程序名，如果匹配上則遍歷程序切片，并判斷程序切片是否包含二進(jìn)制程序的任意漏洞位置，如果包含任意漏洞位置則為程序切片添加標(biāo)簽“1”，否則添加標(biāo)簽“0”。最后返回標(biāo)簽程序切片部分結(jié)果如圖 4-1 所示：


本文編號：3369121