lockhou的博客

文章结构 1. 引言 1.1 漏洞现状 1.2 漏洞研究传统特点 现有的研究方案大多把源代码转化为文本序列，使用自然语言处理中常用的循环神经网络进行自动化特征提取，但这忽略了代码中由于跳转、循环、判断形成的控制流特征，往往会有较大的信息损失。如何提取源代码样本的特征信息，把源代码样本转换成适合后续神经网络训练的数据形式并最大化保留样本信息是关键问题之一。 1.3 文章贡献 1.3.1 设计了一种基于中间语言控制流图的代码特征提取方案 本文通过代码中间语言的控制流图提取代码样本的结构特征，使用控制流图基

文章结构 1. 引言 1.1 漏洞现状 1.2 漏洞检测方法 1.2.1 传统方法：动态静态 1.2.2 机器学习方法 1.2.2.1 基于软件度量 1.2.2.2 基于模式学习 1.2.2 深度学习方法 2. 背景介绍 2.1 各种图 2.2 图深度学习模型 3. 方法介绍 3.1 基本过程 3.2 生成图 3.3 图转向量 3.4 训练模型 4. 实验设计和评估 3.1 数据集 3.2 参数设置 3.3 评估指标 3.4 结果分析 实验设置 数据集 本文选用的数据集是 Zhou 等人［28］收集和标注