VulBG 构建行为图加强基于深度学习的漏洞检测模型(1)

3.1 行为图构建

行为图旨在表示函数间的联系，由函数节点和行为节点质心（切片）构成，行为节点表示为聚类的质心，函数节点表示该行为的所属函数。

图 4 行为图示例

图 4 为一个行为图的实例。其中 B1、B2、…、B7 为各个函数的行为；CB1、CB2、CB3 为多个相似行为通过聚类后得到的质心；F1、F2、F3 为函数。用质心表示所有相似行为，并将函数与质心相连得到最终的行为图，其中 边 基于函数行为到质心的欧几里得距离 设置的权重。

图 5 行为图构建流程

图 5 展示了行为图的构建流程，大致可以分为 4 个部分：代码切片、代码嵌入、K-Means 聚类以及图构建。

3.1.1 代码切片

不同于常规的代码切片方法将完整的 源程序/函数 处理为单个切片，文中根据兴趣点/关注点将函数切分为多个切片（行为）。论文将漏洞关注点归纳为两点：

• API 调用：API 的误用可能会导致 BOF、UAF、IF 等漏洞。根据 API 函数的参数进行后向切片，根据该函数的返回值进行前向切片
• 内存操作：分为指针类型变量和数组类型变量，对这类操作进行后向切片。

基于上述两类兴趣点/关注点，对每一个函数执行代码切片。代码切片通过源代码分析工具 Joern 实现。切片所需要的数据流依赖和控制流依赖通过 Joern 生成的 PDG 和 CFG 获得，操作包含的变量通过 Joern 的查询结果得到。对于每一个待切分的变量，在对应的CFG 中向前和向后遍历，收集存在数据依赖的语句和变量。在生成的所有切片中，大约 95.8% 的切片少于 64 个单词。

3.1.2 代码嵌入

函数的行为表示为多个文本形式的代码切片。论文采用 CodeBERT 模型对函数行为进行嵌入，它可以获取代码序列的长距离依赖关系，并使模型关注代码序列中的重要部分（多头注意力机制）。在论文中，每一个行为（切片）被编码为一个长度为 768 维的向量。

3.1.3 聚类

如果直接以一个源程序中的所有行为构建图，那么该图会很复杂、庞大，不利于后续处理。文中采用 K－Means 聚类算法中的特殊变种 MiniBatchKMeans 对提取到的一系列行为进行聚类，将多个相似的行为聚类为一簇，以减少图的节点向量，使信息更加聚集。

3.1.4 图构建

分别连接函数和其对应的行为，构建行为图。不同的行为之间存在差异，利用行为的相似性（行为节点到聚类质心的欧几里得距离）设置边的权重。两个行为越相似，它们的嵌入结果越相近。

3.2 行为特征提取

在得到行为图后，利用 Node2Vec 将行为图中的函数节点编码为长度为 128 维的向量，并将图向量输入到 4 层的 MLP 分类器中，输出最后一层隐藏层的值作为本文提取到的漏洞行为特征。

3.3 模型融合

如图 6 所示，在得到行为特征向量后，运行其它基线方法获取对应的特征向量，将二者进行 concatenate 融合，输入到输出层，得到最终的预测值。 论文中的基线方法包括 TextCNN、ASTGRU、CodeBERT、Devign、VulCNN 五种。

图 6 VulBG 模型融合架构

4 实验评估

4.1 实验设置

实验数据集采用两种真实世界的数据集：FFMpeg+Qemu （Devign），Chrome+Debian （Reveal）。数据集的详细信息如表 1 所示。

表 1 数据集统计

实验采用 Precision §，Recall ®, F-measure (F1) 三个指标来评估 VulBG 的漏洞检测性能：

P = TP / TP + FP；R = TP / TP + FN；F1 = 2 * ( P * R / P + R).

其中 TP：true positive；FP：false positive；TN：true negative；FN：false negative.

4.2 实验评估

如表 2 所示， 行为图模型实现了较高的 F1（56.1%）和 Recall（61.2%）。就 F1 和 Recall 而言，在六种方法中，行为图模型在 FFMpeg+Qemu 数据集上排名第一，在 Chrome+Debian 数据集上排名第二，这已经证明行为图模型在漏洞检测中效果良好。

表 2 VulBG 与基线方法性能对比

如表 3 所示，各项指标的变化情况列于分数之下。所有融合模型的 F1 和 Recall 都较高。在 FFMpeg+Qemu 数据集上，除了 BG+TextCNN 的 Precision 外，各模型的所有指标都达到了更高的分数；在 Chrome+Debian 数据集上，除了 BG+CodeBERT 的 Recall 有所下降外，各模型的所有指标也都有所提高。

表 3 模型融合后的性能对比

学习路线：

这个方向初期比较容易入门一些，掌握一些基本技术，拿起各种现成的工具就可以开黑了。不过，要想从脚本小子变成黑客大神，这个方向越往后，需要学习和掌握的东西就会越来越多以下是网络渗透需要学习的内容：

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以点击这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！