基于词向量模型的漏洞检测方法

吉林大学学报(理学版) ›› 2023, Vol. 61 ›› Issue (6): 1358-1366.

基于词向量模型的漏洞检测方法

肖巍¹, 胡景浩², 侯正章², 王涛¹, 潘超¹

1. 长春工业大学计算机科学与工程学院, 长春 130012； 2. 吉林大学软件学院, 长春 13001

收稿日期:2022-10-24 出版日期:2023-11-26 发布日期:2023-11-26
通讯作者: 潘超 E-mail:kerwinpc@ccut.edu.cn

Vulnerability Detection Method Based on Word Vector Model

XIAO Wei¹, HU Jinghao², HOU Zhengzhang², WANG Tao¹, PAN Chao¹

1. School of Computer Science and Engineering, Changchun University of Technology, Changchun 130012, China；
2. College of Software, Jilin University, Changchun 130012, China

Received:2022-10-24 Online:2023-11-26 Published:2023-11-26

摘要/Abstract

摘要： 针对漏洞检测领域面临的实验平台不统一、数据集异构等问题, 研究词向量模型在C/C++函数漏洞检测方面的应用. 用5种词向量模型对源代码生成的抽象语法树结构进行知识表示, 用6种神经网络模型进行漏洞检测, 实验结果表明, 函数级代码具有浅层的语义关系, 代码块内部联系紧密.

关键词: 词向量模型, 漏洞检测, 抽象语法树, 代码表征, 神经网络

Abstract: Aiming at the problems of non-uniform experimental platforms and heterogeneous datasets faced in the field of vulnerability dete
ction, we studied the application of word vector models in C/C++ function vulnerability detection. Five word vector models were used for the knowledge representation of the abstract syntax tree structure generated by the source code, and six neural network models were used for vulnerability detection. The experimental results show that function-level code has shallow semantic relationships and tight connections within code blocks.

Key words: word vector model, , vulnerability detection, abstract syntax tree, code representation, neural network

中图分类号:

TP311

肖巍, 胡景浩, 侯正章, 王涛, 潘超. 基于词向量模型的漏洞检测方法[J]. 吉林大学学报(理学版), 2023, 61(6): 1358-1366.

XIAO Wei, HU Jinghao, HOU Zhengzhang, WANG Tao, PAN Chao. Vulnerability Detection Method Based on Word Vector Model[J]. Journal of Jilin University Science Edition, 2023, 61(6): 1358-1366.

[1]	季鑫缘, 董建涛, 陶浩. 基于神经随机微分方程的期权定价[J]. 吉林大学学报(理学版), 2023, 61(6): 1324-1332.
[2]	朱淑畅, 李文辉. 基于卷积和Transformer融合的服装分类算法[J]. 吉林大学学报(理学版), 2023, 61(5): 1195-1201.
[3]	黄键, 徐伟峰, 苏攀, 王洪涛, 李真真. 基于YOLOX-S的车窗状态识别算法[J]. 吉林大学学报(理学版), 2023, 61(4): 875-882.
[4]	汪雨竹, 彭涛, 朱蓓蓓, 崔海. 基于元学习的小样本知识图谱补全[J]. 吉林大学学报(理学版), 2023, 61(3): 623-630.
[5]	逄晨曦, 李文辉. 基于注意力改进的自适应空间特征融合目标检测算法[J]. 吉林大学学报(理学版), 2023, 61(3): 557-566.
[6]	江晟, 叶新, 刘妍秀, 李开太, 赵鹏, 李野. 基于改进RBF神经网络模型的土壤背景估计算法[J]. 吉林大学学报(理学版), 2023, 61(3): 577-582.
[7]	沈记全, 魏坤. 融合残差网络的CR-BiGRU入侵检测模型[J]. 吉林大学学报(理学版), 2023, 61(2): 353-361.
[8]	李岳泽, 左祥麟, 左万利, 梁世宁, 张一嘉, 朱媛. 基于BERT-GCN的因果关系抽取[J]. 吉林大学学报(理学版), 2023, 61(2): 325-330.
[9]	齐妙, 徐慧, 李森, 张宇, 孙慧. 一种基于双流网络的行为识别方法[J]. 吉林大学学报(理学版), 2023, 61(2): 347-352.
[10]	白诗瑶, 吕佳键, 彭涛, 刘露, 崔海. 基于语义特征提取与层次结构的问题生成方法[J]. 吉林大学学报(理学版), 2023, 61(1): 94-100.
[11]	付海涛, 刘烁, 冯宇轩, 朱丽, 张竞吉, 关路. 基于对比学习方法的小样本学习[J]. 吉林大学学报(理学版), 2023, 61(1): 111-117.
[12]	邱玉祥, 蔡艳, 陈霖, 万明, 周宇. 基于自回归神经网络的多维时间序列分析[J]. 吉林大学学报(理学版), 2022, 60(5): 1143-1152.
[13]	李盼池, 石彤, 李学贵. 基于循环神经网络的微地震数据降噪方法[J]. 吉林大学学报(理学版), 2022, 60(3): 685-696.
[14]	李向宇, 李慧盈. 基于卷积神经网络的猪脸特征点检测方法[J]. 吉林大学学报(理学版), 2022, 60(3): 609-616.
[15]	李芳, 曲豫宾, 李龙, 李梦鳌. 一种基于特征偏移补偿的深度智能化教学评价方法[J]. 吉林大学学报(理学版), 2022, 60(3): 697-704.