一种基于rust-IR2Graph与RGNN的rust漏洞检测方法

摘要

本发明公开了一种基于rust‑IR2Graph与RGNN的rust漏洞检测方法。能够进一步提高rust漏洞检测的准确率。具体是通过rust‑IR2Graph进行rust‑IR转图操作，极大地丰富了代码的语法语义信息。使用创新的RGNN网络对图中各种类型的边有效建模，学习代码的结构特点，生成对应的特征向量以完成启代码漏洞检测任务。rust‑IR2Graph首先将标准化的rust程序进行解析，获取rust Mid‑Level IR，解析IR里的所有token和block，提取对应的数据流和控制流(有源码)，在指令级别进行转图操作，同时使用Word2Vec算法为节点生成特征向量。之后进入RGNN网络，该网络充分考虑到图中边的信息，通过邻域聚合学习待更新节点的邻域信息，从而自动学习代码的高维抽象特征用于代码漏洞检测任务。本发明在现有rust漏洞数据集上检测漏洞准确率达到90.7％。