vulsniper

VulSniper: Focus Your Attention to Shoot Fine Grained Vulnerabilities

IJCAI19

提出了一种新的程序建模方法

提出了一种新的网络结构

建模方法：

1. 生成代码属性图（CPG）。

   用 Joern 生成代码代码属性图（CPG），然后存在Neo4j数据库中。

   作者将生成的CPG简化了，只保留了CFG和AST。

2. 将简化后的代码属性图（CPG）转化成特征张量。

   特征张量T（G）的shape是（n,n,m）。G表示的是代码性质图，包括有n个节点{v₁,v₂,…,v_n}。任意t_i,j,k属于T(G)都需满足以下条件：

   f(k)表示的是第k个相关特征，relations(v_i,v_j)表示的是节点v_i，v_j之间的关系特征。当relations(v_i,v_j)与f(k)之间的关系满足某条件时那么就返回 true。

   m值的大小是根据不同的编程语言来确定的，这里的m值是144（这个144指的与C/C++相对应的特征个数）。

---

将程序进行语义分割？？？

即每个程序语句是什么具体语义。（首先要对程序语句的语义进行规范，总结。一共有哪几种语义）

搞清楚一个问题，漏洞是程序语句中的实际某个token（这个token可以表示某个变量，函数等）对这些的影响。

即漏洞归根到底是不合适的操作导致的 还是不合适的数据导致的，还是两者的结合。

---

数据集的规范问题？？？

不同的paper中都有自己的数据集。比如对于都是从SARD中提取出来的函数源码，如果只是二分类问题即程序是否有漏洞，那么这个这个label应该也是一致的。这种情况下，如果因为不同的建模需要，对源码进行的预处理，这个我认为不算作在数据集规范里。