[发明专利]一种基于C/C++代码库的API调用模式挖掘方法

摘要

没本发明公开了一种基于C/C++代码库的API调用模式挖掘方法。本方法的输入是C/C++代码库，首先通过开源的基于LLVM的clang编译器对输入代码库进行编译，利用clang提供的相关扩展接口完成API序列信息的提取；然后对API序列进行预处理，将相同的API序列合并成一条序列及将嵌套使用的序列进行关联处理；然后将预处理好的API序列存储到数据库中；然后计算数据库中API序列间的距离，得到距离矩阵；然后根据API序列间的距离矩阵，使用DBScan聚类算法对API序列进行聚类处理，将聚类结果存储到数据库中；最后用户输入函数片段信息，利用数据库查询技术将符合要求的API序列及对应的使用代码片段返回给用户。

主权项

1.一种基于C/C++代码库的API调用模式挖掘方法，其特征在于，如下步骤：步骤(1)、clang编译C/C++代码库，提取代码API序列信息；步骤(2)、对API序列信息预处理，将相同的API序列合并成一条序列，将嵌套使用的多条API序列关联成一条序列；步骤(3)、API序列数据库存储，将预处理后的API序列中的函数统一编号后，对函数及其参数类型信息进行存储，后将API序列函数名转化为编号后存储；步骤(4)、计算API序列距离矩阵；步骤(5)、利用距离矩阵，使用DBScan算法，将API序列进行聚类处理；步骤(6)、用户查询数据库，将匹配的API序列及对应代码片段返回给用户；所述步骤(4)中，计算API序列距离矩阵，m行n列值表示第m条序列与第n条序列之间的距离，该矩阵为对称矩阵，只需计算上三角矩阵值即可，步骤如下：(41)对于N条API序列，初始化N×N矩阵，对角线位置值设置为零，其它位置设置成数1；(42)对于m行n列值，取出第m条序列及第n条序列，这两条序列是由函数编号组成的集合；(43)两条序列是集合，将两条集合取并操作形成新集合S；(44)统计出两条序列不同元素的个数为d；(45)计算其中|S|为新集合S中元素个数，该值即为m行n列值；(46)重复步骤(42)‑(45)，直至该矩阵上三角值全部更新；所述步骤(5)中，利用距离矩阵，为N条序列设置N维标记数组A，标记数组记录每一条序列所属簇，第m条序列簇号为Am值，使用DBScan算法，将API序列进行聚类处理，将标记数组更新，后将聚类结果存储到数据库中，步骤如下：(51)为N条序列设置一个N维标记数组，标记数组记录每一条序列所属簇，初始化标记数组为0；(52)设置聚类参数，扫描半径eps在0.45‑0.55之间，最小包含点数MinPts在3‑5之间；(53)查询距离矩阵，利用DBScan算法对N条序列聚类，聚类过程中将标记数组值更新；(54)API序列存储到数据库中，属于同一簇的API序列记录其簇号，同时记录聚类数据库中序列与未聚类数据库序列间的映射关系。