【摘 要】
：
随着软件在日常生活中的广泛使用,软件安全问题正逐渐引起人们的重视。其中缓冲区溢出漏洞在软件安全中最常见也是最严重的一种漏洞。缓冲区溢出漏洞会导致权限被非法获取,信息被窃取,系统瘫痪等一系列危害。为了能有效的检测出缓冲区溢出漏洞,本文提出一种基于深度学习的缓冲区溢出漏洞检测方法。本文主要工作如下。首先,针对软件缓冲区溢出漏洞进行研究,针对缓冲区溢出漏洞可疑代码,构建了抽象语法树。基于缓冲区溢出漏洞可
论文部分内容阅读
随着软件在日常生活中的广泛使用,软件安全问题正逐渐引起人们的重视。其中缓冲区溢出漏洞在软件安全中最常见也是最严重的一种漏洞。缓冲区溢出漏洞会导致权限被非法获取,信息被窃取,系统瘫痪等一系列危害。为了能有效的检测出缓冲区溢出漏洞,本文提出一种基于深度学习的缓冲区溢出漏洞检测方法。本文主要工作如下。首先,针对软件缓冲区溢出漏洞进行研究,针对缓冲区溢出漏洞可疑代码,构建了抽象语法树。基于缓冲区溢出漏洞可疑代码提出了模糊定位算法。通过可疑代码的模糊定位,获取源码中可能存在的缓冲区溢出漏洞的可疑代码并构建可疑代码块。其次,针对可疑代码的模糊定位算法获取漏洞可疑代码块,分析了代码块中缓冲区溢出漏洞关键点,针对函数在漏洞关键点处的不同调用方式,通过不同的切片方法构建了漏洞程序片,提出了漏洞程序片构造算法。采用了Word2vec技术对程序片进行语义特征向量构建,并提出了基于漏洞程序片的语义特征向量构建算法。再次,构建了缓冲区溢出漏洞检测模型,该检测模型采用了Bi-LSTM网络模型作为分类器,解决了程序语义信息不能双向传递的问题,基于漏洞程序片语义特征向量,实现了缓冲区溢出漏洞的检测工作,得到了缓冲区溢出漏洞检测结果。最后,在C/C++程序上进行缓冲区溢出漏洞的检测实验,首先验证了可疑代码的模糊定位算法的有效性,其次验证了基于程序片特征向量构建方法的有效性,进一步对Bi-LSTM神经网络检测模型进行了参数的调整实验,得到了一个最优的分类器模型,并与其他一些经典的算法分类模型进行了对比实验,验证了本论文提出的基于深度学习的缓冲区溢出漏洞检测方法的有效性。
其他文献
复杂网络是建模和分析复杂系统的有效工具,在理解复杂行为中起到关键作用。链路预测是预测复杂网络中未来连边或未知连边的一种方法。目前链路预测相关研究大多侧重于无向网络领域的链路预测,然而真实网络中的连边往往是有向的,直接简单地将无向网络指标用在有向网络上会降低预测精度。针对有向网络链路预测仅考虑单一互惠链接结构,却忽视了节点在网络中的其他拓扑结构因素,导致预测精确度较低的问题,提出基于互惠链路计数加权
交流异步电机具有结构简单、成本低廉、可靠性高等优点,被广泛地应用于工农业、制造业等社会生产生活的各个领域。然而交流异步电机具有多变量、非线性、强耦合等特征,且易受各种不确定因素的影响,给交流异步电机的分析和控制带来了一定的挑战。为了提高交流异步电机位置系统的动、静态性能和鲁棒稳定性,并在一定程度上简化系统的控制结构,本文主要进行了以下几个方面的研究工作:首先,基于坐标变换理论和矢量控制思想,建立了
图像超分辨率技术旨在将低分辨率图像重建成高分辨率图像,它是计算机视觉领域的热点问题,同时也非常具有挑战性和开放性。在医学,监控,遥感等行业领域都有非常广泛的应用前景。近年来随着深度学习的发展,基于深度学习的图像超分辨率算法获得了比传统算法更好的效果。通过对国内外研究现状的深入分析,发现目前许多算法对图像特征的利用不够完善,重建后的图像缺乏细节纹理信息,感知质量不高。本文在已有的基于深度学习的图像超
随着互联网技术的突飞猛进,自然界中的复杂系统可以抽象为复杂网络。如何准确有效地发现复杂网络中的重叠社区,快速实现功能划分,是当今世界复杂网络领域的问题。现阶段复杂网络分为无属性复杂网络和属性复杂网络。无属性复杂网络重叠社区发现算法大都基于结构划分,然而这些算法的准确率及稳定性有待提高。部分属性复杂网络重叠社区发现算法忽略属性信息,具有较大的信息损失。部分算法虽然充分利用了结构、属性信息,但是具有较
人们的工作学习越来越离不开网络。网络给人们的生活带来便利的同时,网络漏洞攻击,如拒绝服务攻击、突发访问、蠕虫病毒等也威胁着人们的隐私和财产安全。流量异常检测在检测和预防潜在威胁方面发挥着越来越重要的作用。在流量异常检测领域,已经有大量的研究成果,但是仍然存在一些问题,例如对未知攻击类型检测率低和对少数类别识别率不高等。本文针对其中的一些难题进行研究,主要研究内容如下:首先,基于迁移成分分析的流量异
随着基于位置的社交网络（Location Based Social Network,LBSN）不断地快速进步,个性化兴趣点推荐也逐渐流行,它可以帮助用户发现其可能感兴趣的位置。然而,由于兴趣点推荐是一种隐式反馈,使得用户-兴趣点之间交互存在困难,如果没有对用户签到行为进行“区别对待”,会导致对用户偏好的挖掘不够准确,而且由于用户的签到数量在整个位置社交网络中只占很小的比例,使得签到数据存在高稀疏性
随着人工智能的兴起,以脑机接口（Brain Computer Interface,BCI）为桥梁的脑神经科学研究正迅速展开。其中对虚拟现实场景下空间认知脑电信号的分析成为该领域研究热点,通过空间认知训练前后脑电信号变化可以有效评估认知能力训练效果。目前,在空间认知脑电信号研究方面取得了不少进展,主要包括脑电信号的特征提取以及后续的数据分类。但是仍然存在着不足,主要体现在计算不同通道之间的耦合特征强
近年来,因果特征选择已逐渐成为机器学习和因果发现领域的研究热点。它通过将特征预测与因果发现联系在一起来识别目标属性（Target attribute,T）的马尔可夫毯（Markov Blanket,MB）。本文针对当前因果特征选择无法应用于动态特征空间,而面向流特征的特征选择无法挖掘出T的MB或只识别出T的PC集（Parents and Children）的问题,从在线学习MB的角度,提出一个面向
近年来,随着人工智能技术的不断发展,研究者在单智能体深度强化学习领域取得了许多优秀的成果。为了解决复杂的团队任务,研究人员将深度强化学习方法应用到了多智能体领域。地标覆盖任务是最常见的多智能体协同问题之一,在国防、物流、车间等领域均有重要应用。多智能体系统中,内部智能体同时与环境交互,且智能体之间相互影响,受邻居智能体的位置、运动速度等因素影响较大,导致很多单智能体深度强化学习算法在多智能体系统中
基于深度网络的图像分类技术性能大幅提升,使得计算机视觉迈入产业化阶段,逐步应用于人类工作和生活多方面。人体行为识别作为计算机视觉中典型的分类任务,在医疗、家庭、交通运输等多种场景下的潜在价值不可估量。本文从行为识别的应用方向出发,分析了日常行为中的跌倒动作以及相似动作,运用深度学习的方法设计了针对跌倒动作、相似动作的行为识别方法。首先,提取了FallFree骨架数据集,借助Kinect Studi