2024年VulBG 构建行为图加强基于深度学习的漏洞检测模型，深入理解网络安全

还有兄弟不知道网络安全面试可以提前刷题吗？费时一周整理的160+网络安全面试题，金九银十，做网络安全面试里的显眼包！

王岚嵚工程师面试题（附答案），只能帮兄弟们到这儿了！如果你能答对70%，找一个安全工作，问题不大。

对于有1-3年工作经验，想要跳槽的朋友来说，也是很好的温习资料！

【完整版领取方式在文末！！】

93道网络安全面试题

内容实在太多，不一一截图了

黑客学习资源推荐

最后给大家分享一份全套的网络安全学习资料，给那些想学习 网络安全的小伙伴们一点帮助！

对于从来没有接触过网络安全的同学，我们帮你准备了详细的学习成长路线图。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。

1️⃣零基础入门

① 学习路线

对于从来没有接触过网络安全的同学，我们帮你准备了详细的学习成长路线图。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。

② 路线对应学习视频

同时每个成长路线对应的板块都有配套的视频提供：

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！

近年来，人们提出了基于深度学习（DL）的漏洞检测系统，用于从源代码中自动提取特征。这些方法在合成数据集上可以实现理想的性能，但在检测真实世界的漏洞数据集时，准确率却大幅下降。此外，这些方法仅适用于单个函数，无法学习函数之间的信息。论文提出行为图模型并构建了新的框架 VulBG，用于提取函数中的抽象行为，表示函数之间的关系，并利用这些信息帮助基于 DL 的漏洞检测模型实现更高的性能。实验结果显示，VulBG 使（TextCNN、ASTGRU、CodeBERT、Devign 和 VulCNN）等基线模型检测到更多漏洞，提高了其整体检测性能。

1 问题描述

目前大部分方法将漏洞语义提取的工作留给了神经网络，这是不合适的，因为漏洞往往只存在于函数的一小部分。将整个函数传递给神经网络模型会引入与漏洞无关的大量信息。此外，现有方法只关注一个函数，忽略了函数之间的潜在联系。函数是实现某些功能的代码集合。即使两个函数实现的功能完全不同，它们的子任务中也可能存在共同的逻辑、算法和编程模式。

2 解决方案

论文将行为定义为代码中实现特定功能的逻辑、算法或编程模式，并将每个函数视为一组行为。因此，函数之间的联系可以通过它们各自的行为来解决。漏洞可能存在于一个行为中，也可能存在于一组行为中。建立了一个行为图模型（Behavior Graph Model）来连接不同函数的行为，并利用它来增强现有基于 DL 方法的检测能力。首先进行程序切片，将函数分割成一组切片，并将每个切片视为函数的一种行为。然后，根据不同函数中不同程序切片（即行为）的相似性计算，构建行为图。在获得全局行为图之后，采用节点嵌入技术将每个节点（即函数）转换为向量表示，作为函数的行为特征。论文的贡献如下：

1. 提出了一种新思路，即从函数的源代码中提取抽象行为，并构建行为图（Behavior Graph），将不同函数的行为关联起来，从而辅助漏洞检测。
2. 实现了 VulBG 框架，通过将行为图与其他基于 DL 的 VD 模型相结合，提高漏洞检测的性能。
3. 对 VulBG 进行了评估，并选择了五个最先进的 VD 模型作为基线模型。实验结果表明，VulBG 提升了所有基线模型的漏洞检测性能。

论文按语义分割函数，提取函数的抽象行为，而不是试图获取包含完整易受攻击语义的切片。通过对潜在的易受攻击操作进行切分，将函数分解为多个片段。每个片段都包含函数的部分语义，将其视为函数的一个行为，然后可以用一组行为来表示函数。

3 系统架构

图 3 展示了 VulBG 的三个阶段：行为图构建、行为特征提取和模型融合。

• 行为图构建： 鉴于函数的源代码，使用切片和代码嵌入来获取函数的行为。通过对行为进行聚类，得到一组中心点行为，然后根据中心点行为和行为的相似性构建行为图。
• **行为特征提取：**对每个函数节点进行图嵌入，将其转换为向量，然后使用多层感知器（MLP）进一步处理函数的行为特征。
• **模型融合：**采用了模型融合的方法，将行为特征与（TextCNN、ASTGRU、CodeBERT、Devign 和 VulCNN）等模型提取的特征结合起来，共同进行分类。
• 
• 图 3 VulBG 的基本架构

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。

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！