基于图网络的源代码漏洞检测研究

目录

声明

第一章 引言

1.1 研究背景和意义

1.2 国内外研究现状

1.2.1 静态分析漏洞检测工具

1.2.2 机器学习在漏洞检测中的应用

1.2.3 代码的图表示法

1.2.4 图神经网络

1.3 本文的研究内容

1.4 本文的组织结构

第二章 源代码漏洞检测机制

2.1 源代码漏洞检测方法

2.1.1 源代码静态分析检测工具

2.1.2 基于机器学习的源代码漏洞检测

2.1.3 基于图表示的源代码漏洞检测

2.2 基于图网络实现源代码漏洞检测

2.3 本章小结

第三章 基于图网络的源代码漏洞检测方法

3.1 GraphVDS方法概述

3.2 源代码的图表示方法设计

3.2.1 语法图

3.2.2 数据流图

3.2.3 控制流图

3.2.4 函数调用图

3.2.5 组装代码图

3.3 代码子图提取方法设计

3.3.1 Sink 函数调用数据依赖关系分析

3.3.2 Sink 函数调用控制依赖关系分析

3.4 图神经网络模型

3.4.1 图卷积网络

3.4.2 模型训练与漏洞检测

3.5 本章小结

第四章 GraphVDS 原型系统的设计与实现

4.1 系统模块设计

4.1.1 源代码图构造模块

4.1.2 代码子图提取模块

4.1.3 图卷积网络模块

4.2 关键算法设计

4.2.1 语法图构造过程算法

4.2.2 数据流图构造过程算法

4.2.3 控制流图构造过程算法

4.2.4 Sink 函数调用数据依赖分析算法

4.2.5 图卷积网络模型算法

4.3 本章小结

第五章 系统实验评估与分析

5.1 实验设计

5.1.1 实验环境和实验步骤

5.1.2 数据集和对比工具

5.2 图网络模型训练

5.2.1 模型输入

5.2.2 模型训练

5.3 性能分析

5.4 Java和 C/C++数据集的实验结果分析

5.4.1 Java数据集实验结果分析

5.4.2 C/C++数据集实验结果分析

5.5 开源代码库的漏洞检测

5.6 本章小结

总结与展望

总结

展望

参考文献

致谢

攻读硕士学位期间取得的科研成果