一种基于神经网络与深度学习的C/C++漏洞静态检测方法

摘要

本发明涉及一种基于神经网络与深度学习的C/C++漏洞静态检测方法，属于信息安全领域。本发明对待检测的源码进行数据清洁和代码切片；将代码切片转换为CVDF‑LZW编码的输入向量；将输入向量转化为等长的输入，并进行归一化处理；将归一化后的向量的关键字信息输入到14个神经元中，输出是一个14维向量；将归一化后的向量输入不同的神经网络，输出是漏洞特征向量中相应操作维度向量；将14维向量和操作维度向量整合成35维漏洞特征向量；在漏洞特征向量中以非全连接的形式提取有关联的神经元，通过线性函数转换得到一个6维的输出向量，通过softmax多分类层将对应的漏洞类型特征值转换为相应的概率值。本发明可以面向多种类漏洞实现高精度检测，提高效率和适应性。