VulDeePecker复现

在下跳跳 在下跳跳 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 600+累计阅读 698平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄5年
关注
VIP免费 原创 2023-08-12 11:17:24 698 阅读 AI 写同款· GEO 优化 ›
VulDeeLocator: 基于深度学习的细粒度漏洞检测器 这篇文章提出了一种可以同时实现高检测能力和高定位精度的漏洞检测器VulDeeLocator 阅读详情

1、实验清单

操作系统版本：Windows 11

软件版本：johnb110在github上提供的程序

2、环境下载

根据代码下载tensorflow和keras库

3、程序运行

1、使用作者提供的数据集

JSON
python culdeepecker.py cwe119_cgd.txt

可能出现错误：

1.</

最低0.47元/天 解锁文章
标签
#python
【论文笔记】《A deep learning based static taint analysis approach for IoT software vulnerability location》 【论文笔记】《A deep learning based static taint analysis approach for IoT software vulnerability location》论文贡献优点缺点总结 《A deep learning based static taint analysis approach for IoT software vulnerability location》 之前一直在搜静态污点分析的论文，偶然看到这篇深度学习的论文，正好导师最近让我们看神经网络相关的论文， 阅读详情

相关推荐

VulDeeLocator

VulDeeLocator: A Deep Learning-based Fine-grained Vulnerability Detector μvuldeepecker的再升级，不仅能检测出漏洞而且能够定位到具体的位置。 https://github.com/VulDeeLocator/VulDeeLocator 主要的思想是通过中间代码来实现的。有两个关键名称的定义是 程序P。程序P是由一个个pi（不同的程序文件）组成的。每个程序文件pi又是由不同的函数、宏定义fij组成的。每个函数、宏定义fij又

khy123khy的博客 1693

uvuldeepecker

μvuldeepecker:A Deep Learning-Based System for Multiclass Vulnerability Detection 对vuldeepecker的一个改进，多分类的漏洞检测系统。 提出了code attention的概念在code gadget 上的一个改进。 在原来的数据流依赖产生的code gadget上，加入了控制流依赖 提出了一种新的漏洞检测的网络结构 https://github.com/muVulDeePecker/muVulDeeP

khy123khy的博客 1465

可用于深度学习的源代码漏洞数据分析

可用于深度学习的源代码漏洞数据分析 介绍 海量的数据是应用人工智能的基石，深入了解数据有利于进一步开展相关研究。这批可用于深度学习的源代码漏洞数据来源于NDSS’18的VulDeePecker[1]提供的数据集，其数据均属于C/C++程序切片，通过从源代码中的某些可能与漏洞相关的API库函数为关注点根据数据流相关性前向后向提取语句组成程序切片，每个切片样本有对应的0或1标签，0表示无漏洞，1表示...

smallyoki的博客 5300

dataset summary

文章目录vuldeepeckerdraperSySeVRvuldeepecker——comparative studyvuldeelocatorμvuldeepeckerTransferRepresentationLearningPoster ：Function Representation Learning for Vulnerability DiscoveryDevign 介绍已收集的相关数据集，包括数据集样本的种类、数量、数据结构和操作方式。 vuldeepecker 这是18NDSS vuldee

khy123khy的博客 1362

code embedding研究系列十一 - VulDeeLocator

VulDeeLocator: A Deep Learning-based Fine-grained Vulnerability Detector一.背景二.基本思想三.VulDeeLocator概述四.基于中间代码的表示4.1. 漏洞candidate表示的指导原则4.2.提取sSyVCs4.3.生成iSeVCs4.3.1.生成链接好的中间文件（原则1）4.3.2.生成对应sSyVCs的中间表示slice并进一步生成iSeVCs（原则2）五.细粒度的漏洞检测参考文献 一.背景 自动检测软件漏洞在学术界引起了

qq_44370676的博客 4453

VulDeePecker

VulDeeSmartContract 环境配置 请参照此处说明： . 代码组织 /code2vector # 将fragment转化为vector /dataset # 数据集 /model # 神经网络模型 load_data.py # 加载数据集，对外提供load_dataset这一接口 main.py # 程序运行的主函数 settings.py # 相关配置参数 util.py # 一些工具函数 基本使用 运行如下命令： > python main.py 改写main.py的内容以改变程序运行的逻辑. 如何添加一个模型 请参照model/gru.py内的实现，您需要定义一个类，并实现一些方法，例如： class ModelName: def __init__(self, ...): pass def fit(self, x,

VulDeePecker:VulDeePecker

“ VulDeePecker：基于深度学习的漏洞检测系统”（NDSS'18）的数据库 代码小工具数据库（CGD）专注于C / C ++程序中的两种类型的漏洞，错误漏洞（CWE-119）和资源管理错误漏洞（CWE-399）。 每个代码小工具均由多个程序语句（即代码行）组成，这些程序语句根据与某些库/ API函数调用的参数相关联的数据流相互关联。 基于国家漏洞数据库（NVD）和NIST软件保障参考数据集（SARD）项目，我们收集了520个带有相应差异文件的开源软件程序文件和8122个针对错误错误的测试用例，以及320个开源软件程序文件。带有相应的差异文件和1,729个测试用例的资源管理错误漏洞。 CGD数据库总共包含61,638个代码小工具，其中包括易受攻击的17,725个代码小工具和不易受到攻击的43,913个代码小工具。 在这17,725个易受攻击的代码小工具中，有10,440个对应于

YOLOv11+SAHI实战：5步搞定无人机航拍小目标检测（附VisDrone数据集调参技巧）

本文详细介绍了如何结合YOLOv11目标检测框架与SAHI切片推理技术，高效解决无人机航拍图像中的小目标检测难题。通过VisDrone数据集调参技巧和5步实战指南，帮助开发者快速构建高性能检测系统，显著提升小目标检测的准确率和效率。

rum55的博客 191

手把手教你用C语言实现GNSS卫星方位角计算（附RTKLIB风格代码解析）

本文详细介绍了如何使用C语言实现GNSS卫星方位角计算，包括从地固坐标系到站心坐标系的转换链条。通过RTKLIB风格的代码解析，展示了XYZ到ENU坐标转换的核心原理和C语言实现框架，帮助开发者掌握卫星方位角和高度角的计算技巧，适用于GNSS观测数据质量分析和精密定位算法开发。

weixin_30699915的博客 365

ITK-snap医学图像标注方法（超级详细）——保姆级

医学3D图像标注方法，非常详细，保姆级

jialiyk的博客 3万+

ArcGIS投影变换实战：从WGS_1984到Krasovsky_1940_Albers的精准转换

本文详细解析了在ArcGIS中如何将WGS_1984地理坐标系下的数据精准转换至Krasovsky_1940_Albers投影坐标系。文章通过实战案例，重点阐述了地理坐标系与投影坐标系的区别，并逐步演示了创建自定义地理变换、使用投影栅格工具以及进行批量处理和结果验证的核心操作流程，旨在解决地图数据叠加不准的常见问题。

weixin_29251131的博客 466

基于AutoDL复现A-LOAM

Ceres solver 是谷歌开发的一款用于非线性优化的库，在谷歌的开源激光雷达slam项目cartographer中被大量使用。在autodl上面租服务器，地区我租的重庆A区的，GPU我选择的是RTX4090，基础镜像选择的是Miniconda / conda3 / 3.8(ubuntu20.04)/11.6。在AutoDL中我使用的方式是先将该数据集先下载到自己的电脑上，然后再上传到虚拟机中。用MobaXterm解决该问题！搜到的一个解决方式：该问题属于ceres版本问题，将A-LOAM下的。

m0_61281610的博客 1943

层层剥开Allegro skill--快速抓取并写入Allegro软件【呕血创作，转载注明】

Allegro skill eda pcb

qq_36492361的博客 1255

uniapp - H5人脸识别认证与活体检测功能（纯前端免费方案+微信sdk人脸识别）完整源码，微信公众号网页/h5端人脸识别功能人脸核身（微信方案提供后端spring boot+thinkphp源码

uniapp实现人脸认证，uniAPP h5手机拍照+人脸识别，免费人脸识别插件，前端人脸识别解决方案，uniapp H5人脸识别带前后摄像头，人脸识别在H5页面进行采集，微信公众号H5人脸核身，H5端人脸识别功能实现，免费h5人脸识别插件方案，微信公众号H5网页实现人脸识别，uniapp人脸监测，uniapp人脸生物监测，使用uniapp开发H5人脸采集功能/人脸识别功能，uniapp项目—h5端人脸采集功能实现，uniapp vue3人脸核身，H5活体检测认证，人脸认证张嘴摇摇头指引动作，人脸核身 微信

🏆 前端领域优质创作者 3809

基于哈夫曼编码的图像加密算法matlab仿真

哈夫曼编码是一种常用的无损数据压缩算法，其基本思想是根据字符出现的频率构造一棵哈夫曼树，将出现频率高的字符编码为短码，出现频率低的字符编码为长码，从而实现数据的压缩。在图像加密领域，哈夫曼编码也被广泛应用于图像加密算法中，基于哈夫曼编码的图像加密算法具有加密速度快、加密强度高等优点。基于哈夫曼编码的图像加密算法的基本思路是将待加密的图像分为多个小块，对每个小块进行哈夫曼编码，然后将哈夫曼编码后的结果进行异或运算，最后将异或运算后的结果重新编码，以实现图像加密。具体步骤如下：将待加密的图像分成多个小块。

平时工作较为繁忙,私信消息一般晚上回复,谢谢大家~~ 263

WINCC7.3破解文件

WINCC7.3硬件够破解文件，有需要的下载！WINCC7.3硬件够破解文件，有需要的下载！

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox（带书签），MATLAB统计学习工具

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用，资源的后缀为tar.gz格式的压缩包

OV9734 DATASHEET，完整规格书

OV9734完整规格书，包括电气参数，尺寸规格，寄存器配置表等
上一篇： SySeVR环境复现及测试
下一篇： python游戏1——俄罗斯方块
点赞 2
评论 1
书签 书签 3
在下跳跳
在下跳跳
博客等级 码龄5年 152粉丝 28原创
+ 关注
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

在下跳跳

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值