返回首页
基于机器学习的软件漏洞挖掘方法综述
https://dl.ccf.org.cn/file_server/20200804/125_34_55_24/rjxb7/0a22b14b896a48f2901554753d11cc93.jpg
软件复杂性的增加，给软件安全性带来极大的挑战.随着软件规模的不断增大以及漏洞形态多样化，传统漏洞挖掘方法由于存在高误报率和高漏报率的问题，已无法满足复杂软件的安全性分析需求.近年来，随着人工智能产业的兴起，大量机器学习方法被尝试用于解决软件漏洞挖掘问题.首先，通过梳理基于机器学习的软件漏洞挖掘的现有研究工作，归纳了其技术特征与工作流程；接着，从其中核心的原始数据特征提取切入，以代码表征形式作为分类依据，对现有研究工作进行分类阐述，并系统地进行了对比分析；最后，依据对现有研究工作的整理总结，探讨了基于机器学习的软件漏洞挖掘领域面临的挑战，并展望了该领域的发展趋势.
<<< 上一篇
基于代码属性图及注意力双向LSTM的漏洞挖掘方
读完这篇文章后，您心情如何？
京公网安备 11010802032778号
所有评论仅代表网友意见