使用深度神经网络进行漏洞挖掘的方法调研

使用深度神经网络进行漏洞挖掘的方法调研

传统的漏洞挖掘方法

静态方法

• 基于规则/模板的
• 代码相似性检测
• 符号执行

对源代码分析，高假阳性

动态方法

• 模糊测试
• 污点分析

代码覆盖率低

混合方法

结合静态、动态方法，会继承上述的问题，并且实践上难以应用

介绍

机器学习方法的优点

人类智慧（经验）起到重要指导作用（基于规则、基于提取的特征的）

困难：

1. 难以将安全专家对漏洞的理解 转换为 可被检测系统学习的特征向量
2. 系统从特征集中学到的东西也可能受到各种因素的影响
   例如，模型的表现力、数据过度拟合、数据中的噪声等

一些概念：

• 缺口（GAP）：机器学习 要 像人类一样 学习和理解 漏洞代码的语义 （如何将漏洞代码表示为机器可学习的信息）

• semantic gap： 语义缺口、语义空白

• 传统机器学习方法依赖手工制作的特征

• 深度学习、RNN可以自动通过学习揭示代码语义的复杂模式和软件代码的高级表示

安全从业者人工审查漏洞考虑的因素

漏洞语义差距

对软件漏洞一种不同的表达

定义：缺陷的实例，由软件的设计、开发或配置中的错误引起，从而可以利用它来违反某些显式或隐式的安全策略

安全相关的 bug ==》 被攻击者利用 ==》 导致安全失败或者违反安全策略

人类检查和检测系统的语义鸿沟

对代码语义的高级理解需要：

1. 足够的经验
2. 编程知识
3. 对编程语言本身的理解
4. 理解代码的语义和语法
5. 对代码库有深入认识（一个例子是心脏滴血漏洞中，需要对n2s函数有了解
6. 安全编码的实践

自动检测系统

依赖特征集，来自于：

1. 人工提取的（传统机器学习算法
2. 自动提取的（深度学习

检测系统无法像从业者那样充分理解易受攻击代码模式的潜在语义。 因此，知识渊博、经验丰富的从业者与基于ML的检测系