[发明专利]一种基于属性提取的软件漏洞挖掘系统及方法

权利要求书

1.一种基于属性提取的软件漏洞挖掘系统，其特征在于：包括发现模块、分析模块及推理模块；其中，

发现模块：用于对软件代码进行反汇编，并对得到的汇编代码进行代码切片，再根据代码片段的属性，通过机器学习分类器对代码片段进行分类，对代码片段进行分类的步骤包括：

根据代码片段上下文联系属性形成代码片段属性向量，即代码片段i有m个属性，其属性向量X_i.为x_i1,x_i2,x_i3,...,x_im；

分类器基于贝叶斯条件概率对代码片段进行分类，分类结果类别分别为关键代码类c₁和非关键代码类c₂，通过贝叶斯决策理论其中k∈{1,2},i∈{1,2,3...,n}，完成代码片段分类，汇集所有关键代码，形成关键代码类，从软件的冗余代码中提取出关键代码，对关键代码汇集成发送给分析模块作为分析模块的目标对象；

分析模块：用于接收发现模块发送来的待测关键代码，并将待测软件在虚拟机环境中执行，并采用虚拟机故障注入引擎与待测关键代码的进程进行测试交互，对测试交互全程进行分析监测和控制，并观察和记录待测软件在不同测试情况下的信息状态与执行反应，并将记录结果传输给推理模块；

推理模块：用于接收根据测试对象在不同分析情况下的状态记录结果，结合软件漏洞挖掘经验知识库，对测试对象不同情况的结果进行推理，实现挖掘该软件发生漏洞的预测，完成被测软件发生漏洞触发的推理过程。

2.一种基于属性提取的软件漏洞挖掘方法，其特征在于：包括以下步骤：

201、提取待测软件关键代码的步骤，具体为：

S21、获取待测应用软件的冗余代码；

S22、对软件冗余代码进行反汇编，得到汇编代码；

S23、汇编代码切片，形成n个代码片段；

S24、通过分类器对代码片段进行分类，挖掘软件中关键代码；对代码片段进行分类的步骤包括：

S241、根据代码片段上下文联系属性形成代码片段属性向量，即代码片段i有m个属性，其属性向量X_i.为x_i1,x_i2,x_i3,...,x_im；

S242、分类器基于贝叶斯条件概率对代码片段进行分类，分类结果类别分别为关键代码类c₁和非关键代码类c₂，通过贝叶斯决策理论其中k∈{1,2},i∈{1,2,3...,n}，完成代码片段分类；

S243、汇集所有关键代码，形成关键代码类；

S25、汇集关键代码类为目标代码，提供给以下漏洞分析与漏洞挖掘的步骤；

202、对待测软件在虚拟机环境中执行，并采用虚拟机故障注入引擎与关键代码进行测试交互，记录测试结果；

203、将测试结果结合挖掘经验知识库进行推理。

3.根据权利要求2所述的基于属性提取的软件漏洞挖掘方法，其特征在于：步骤202中具体步骤为，S11：测试对象注入到虚拟环境中运行，获得被测对象所有状态信息和执行路径，利用虚拟机故障注入引擎与待测进程交互，实现测试全程的监测和控制；

S12：提取软件可能发生漏洞部分；

S13：对测试对象执行针对性错误注入；

S14：虚拟机监测测试对象执行信息；

S15：对测试对象所有行为信息进行记录；

S16：测试对象进程快照恢复，重新回到S13，执行新的错误注入，监测其他潜在漏洞。

4.根据权利要求2所述的基于属性提取的软件漏洞挖掘方法，其特征在于：步骤203中进行推理的步骤为：

S31：根据软件行为记录，结合S32漏洞挖掘经验知识指导，计算软件缺陷征兆值，软件缺陷征兆值用于刻画缺陷对漏洞发生的贡献程度，推理测试用例漏洞触发概率，即软件漏洞发生概率，对软件漏洞完成挖掘；

S32：软件漏洞挖掘经验知识库指导漏洞挖掘推理过程，同时软件漏洞挖掘过程不断更新软件漏洞挖掘经验知识库。