lockhou的博客

文章结构1. 引言1.1 漏洞现状1.2 漏洞研究传统特点现有的研究方案大多把源代码转化为文本序列，使用自然语言处理中常用的循环神经网络进行自动化特征提取，但这忽略了代码中由于跳转、循环、判断形成的控制流特征，往往会有较大的信息损失。如何提取源代码样本的特征信息，把源代码样本转换成适合后续神经网络训练的数据形式并最大化保留样本信息是关键问题之一。1.3 文章贡献1.3.1 设计了一种基于中间语言控制流图的代码特征提取方案本文通过代码中间语言的控制流图提取代码样本的结构特征，使用控制流图基

文章结构1. 引言1.1 漏洞现状1.2 漏洞检测方法1.2.1 传统方法：动态静态1.2.2 机器学习方法1.2.2.1 基于软件度量1.2.2.2 基于模式学习1.2.2 深度学习方法2. 背景介绍2.1 各种图2.2 图深度学习模型3. 方法介绍3.1 基本过程3.2 生成图3.3 图转向量3.4 训练模型4. 实验设计和评估3.1 数据集3.2 参数设置3.3 评估指标3.4 结果分析实验设置数据集本文选用的数据集是 Zhou 等人［28］收集和标注