基于機(jī)器學(xué)習(xí)的二進(jìn)制軟件漏洞挖掘技術(shù)研究
發(fā)布時間：2022-01-10 20:51
隨著代碼量和代碼復(fù)雜度的不斷提高,存在越來越多容易被攻擊者所利用而導(dǎo)致原始程序邏輯錯誤的漏洞。為了能盡早發(fā)現(xiàn)并修補(bǔ)軟件中存在的漏洞,二進(jìn)制軟件漏洞挖掘技術(shù)成為了安全研究領(lǐng)域的熱點(diǎn)課題之一。使用機(jī)器學(xué)習(xí)的二進(jìn)制漏洞檢測模型有著能批量處理大規(guī)模數(shù)據(jù),檢測速度快,檢測成本低的優(yōu)勢。但是因為二進(jìn)制級別的軟件不能直接表達(dá)程序信息,無法從中提取有效的特征集,導(dǎo)致現(xiàn)有的基于機(jī)器學(xué)習(xí)的二進(jìn)制漏洞挖掘方法往往具有較高的漏報率和誤報率。在此情形下,本文結(jié)合機(jī)器學(xué)習(xí)和自然語言處理技術(shù),提出一種二進(jìn)制特征提取的方法并在Android平臺上設(shè)計和實現(xiàn)了一個漏洞檢測系統(tǒng)。本文的主要工作及成果如下:1、通過對二進(jìn)制文件預(yù)處理和詞嵌入技術(shù)的研究,提出一種基于底層語言的特征向量化模型,使用這種模型可以從二進(jìn)制文件中初步構(gòu)建出包含匯編指令內(nèi)上下文關(guān)系的特征向量。2、通過對深度神經(jīng)網(wǎng)絡(luò)的研究,提出Att-BLSTM特征提取模型,該模型的核心是雙向長短期記憶網(wǎng)絡(luò)（BLSTM）及注意力（Attention）機(jī)制,通過這種模型可以從二進(jìn)制文件中提取出包含豐富程序語義信息的二進(jìn)制特征向量。3、經(jīng)過研究,本文并未在網(wǎng)上和其他論文中找...
【文章來源】：北京郵電大學(xué)北京市 211工程院校 教育部直屬院校
【文章頁數(shù)】：71 頁
【學(xué)位級別】：碩士
【部分圖文】：
圖２－１?—般神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖??
與前一時序元胞的狀態(tài)信息有關(guān)，公式如下：??（２．３）??其中，ｆ是非線性激活函數(shù)。如圖２－２解釋了信息在一層元胞間的流動方式，??在一個最基本的標(biāo)準(zhǔn)ＲＮＮ中，只有一個簡單的神經(jīng)網(wǎng)絡(luò)層。該層每一個元胞的??輸入除了原本的輸入意外還有前一個元胞的狀態(tài)信息，這兩個信息組合后通過??ｔａｎｈ操作，輸出新的狀態(tài)ｈ（ｔ＋ｌ）。??？?？?？??ｆ?？、廣?—￣￣＾?廣?＇??ｔａｎｈ?ｔａｎｌｉ?ｔａｎｌｉ??——．＿＿?Ｌ＿＿＿．??ｖ?Ｊ?ｖ?ｊ?ｖ?Ｊ??？?？?？??圖２－２?—層神經(jīng)網(wǎng)絡(luò)的ＲＮＮ元胞示意圖??ＲＮＮ可以通過訓(xùn)練預(yù)測序列中的下一個符號來學(xué)習(xí)一個序列上的概率分布??［３１］，這種情況下，時序ｔ經(jīng)過ｓｏｆｔｍａｘ層的輸出為；？（ｘｊ?。結(jié)合所有時序??的概率，序列Ｘ的概率分布為：??１７??
?？??圖２－３?ＬＳＴＭ結(jié)構(gòu)圖??一個典型的ＬＳＴＭ網(wǎng)絡(luò)結(jié)構(gòu)中包含多個不同的單元塊，如圖２－３中的藍(lán)色??方塊。ＬＳＴＭ的每一個單元（ｃｅｌｌ）都保存兩種狀態(tài)，即單元狀態(tài)ｃ和隱藏狀態(tài)ｈ，??然后將這兩種狀態(tài)傳輸?shù)较乱粋�單元。通過這兩種狀態(tài)的保存和更新，ＬＳＴＭ的??１８??
【參考文獻(xiàn)】：
期刊論文
[1]An Integration Testing Framework and Evaluation Metric for Vulnerability Mining Methods[J]. Jin Li,Jinfu Chen,Minhuan Huang,Minmin Zhou,Wanggen Xie,Zhifeng Zeng,Shujie Chen,Zufa Zhang. 中國通信. 2018(02)
[2]一種基于靜、動態(tài)分析相結(jié)合的漏洞挖掘分析方法[J]. 傅濤,孫文靜. 軟件. 2016(08)
[3]機(jī)器學(xué)習(xí)及其算法和發(fā)展研究[J]. 張潤,王永濱. 中國傳媒大學(xué)學(xué)報(自然科學(xué)版). 2016(02)
[4]軟件漏洞分析技術(shù)進(jìn)展[J]. 吳世忠,郭濤,董國偉,王嘉捷. 清華大學(xué)學(xué)報(自然科學(xué)版). 2012(10)
[5]PIC16C84單片機(jī)的硬件、軟件及其應(yīng)用（四）[J]. 李學(xué)海. 電子制作. 2001(04)
碩士論文
[1]基于深度學(xué)習(xí)的二進(jìn)制程序漏洞分析與檢測方法研究[D]. 吳芳.北京交通大學(xué) 2018
[2]基于LSTM的漢語語義角色標(biāo)注研究[D]. 鄭亞楠.西藏大學(xué) 2017
本文編號：3581396
【文章來源】：北京郵電大學(xué)北京市 211工程院校 教育部直屬院校
【文章頁數(shù)】：71 頁
【學(xué)位級別】：碩士
【部分圖文】：
圖２－１?—般神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖??
與前一時序元胞的狀態(tài)信息有關(guān)，公式如下：??（２．３）??其中，ｆ是非線性激活函數(shù)。如圖２－２解釋了信息在一層元胞間的流動方式，??在一個最基本的標(biāo)準(zhǔn)ＲＮＮ中，只有一個簡單的神經(jīng)網(wǎng)絡(luò)層。該層每一個元胞的??輸入除了原本的輸入意外還有前一個元胞的狀態(tài)信息，這兩個信息組合后通過??ｔａｎｈ操作，輸出新的狀態(tài)ｈ（ｔ＋ｌ）。??？?？?？??ｆ?？、廣?—￣￣＾?廣?＇??ｔａｎｈ?ｔａｎｌｉ?ｔａｎｌｉ??——．＿＿?Ｌ＿＿＿．??ｖ?Ｊ?ｖ?ｊ?ｖ?Ｊ??？?？?？??圖２－２?—層神經(jīng)網(wǎng)絡(luò)的ＲＮＮ元胞示意圖??ＲＮＮ可以通過訓(xùn)練預(yù)測序列中的下一個符號來學(xué)習(xí)一個序列上的概率分布??［３１］，這種情況下，時序ｔ經(jīng)過ｓｏｆｔｍａｘ層的輸出為；？（ｘｊ?。結(jié)合所有時序??的概率，序列Ｘ的概率分布為：??１７??
?？??圖２－３?ＬＳＴＭ結(jié)構(gòu)圖??一個典型的ＬＳＴＭ網(wǎng)絡(luò)結(jié)構(gòu)中包含多個不同的單元塊，如圖２－３中的藍(lán)色??方塊。ＬＳＴＭ的每一個單元（ｃｅｌｌ）都保存兩種狀態(tài)，即單元狀態(tài)ｃ和隱藏狀態(tài)ｈ，??然后將這兩種狀態(tài)傳輸?shù)较乱粋�單元。通過這兩種狀態(tài)的保存和更新，ＬＳＴＭ的??１８??
【參考文獻(xiàn)】：
期刊論文
[1]An Integration Testing Framework and Evaluation Metric for Vulnerability Mining Methods[J]. Jin Li,Jinfu Chen,Minhuan Huang,Minmin Zhou,Wanggen Xie,Zhifeng Zeng,Shujie Chen,Zufa Zhang. 中國通信. 2018(02)
[2]一種基于靜、動態(tài)分析相結(jié)合的漏洞挖掘分析方法[J]. 傅濤,孫文靜. 軟件. 2016(08)
[3]機(jī)器學(xué)習(xí)及其算法和發(fā)展研究[J]. 張潤,王永濱. 中國傳媒大學(xué)學(xué)報(自然科學(xué)版). 2016(02)
[4]軟件漏洞分析技術(shù)進(jìn)展[J]. 吳世忠,郭濤,董國偉,王嘉捷. 清華大學(xué)學(xué)報(自然科學(xué)版). 2012(10)
[5]PIC16C84單片機(jī)的硬件、軟件及其應(yīng)用（四）[J]. 李學(xué)海. 電子制作. 2001(04)
碩士論文
[1]基于深度學(xué)習(xí)的二進(jìn)制程序漏洞分析與檢測方法研究[D]. 吳芳.北京交通大學(xué) 2018
[2]基于LSTM的漢語語義角色標(biāo)注研究[D]. 鄭亞楠.西藏大學(xué) 2017
本文編號：3581396
本文鏈接：http://sikaile.net/kejilunwen/ruanjiangongchenglunwen/3581396.html
最近更新
教材專著
