基于特征复用与贪心策略的三阶段固件漏洞检测算法

来源 :武汉理工大学 | 被引量 : 0次 | 上传用户:minisnake1
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着物联网技术的高速发展和相关设备的广泛使用,其安全性也因此受到了重视。其中,物联网设备中的固件安全就是很重要的一个方面。目前,在固件开发过程中存在大量使用开源库和代码复用的问题,导致不同平台上的固件经常受到相同已知漏洞的影响。因此,检测跨平台下的同源漏洞可以有效减少固件漏洞对设备造成的不良影响,这对维护固件安全具有十分重要的意义。现有的漏洞检测方法一般需要对所有的待检测函数进行精确匹配,导致在大规模的漏洞检测场景下花费大量的时间。为了提高检测效率,discovRE和CVSkSA等漏洞检测方法采用多阶段策略来提高效率,首先利用简单的函数数值特征实施快速筛选,然后在筛选后的候选函数中通过较为复杂的函数结构特征进行精确匹配,避免需要对所有待检测函数进行结构特征分析。但是,这些多阶段方法在精确匹配阶段只利用了函数结构特征信息,忽视了函数数值特征信息。另外,在精确匹配阶段中使用的函数结构匹配算法存在效率较低的问题。为了改善上述情况,本论文在现有工作的基础上,针对以下几个方面展开研究:1)为了提高现有多阶段方法漏洞检测的准确率,提出基于特征复用的三阶段固件漏洞检测算法。受CVSkSA启发,本算法将匹配过程分为三个阶段:粗筛选阶段、细筛选阶段和精确匹配阶段。在精确匹配阶段将第一阶段的数值特征匹配信息进行复用,与结构特征匹配信息相结合,从两个层面全面分析函数,以提高算法匹配的准确率。实验表明,虽然本三阶段算法效率下降到现有算法的近0.82倍,但其Top1指标在六种关联模式下相较于现有算法平均提高了9.3%。2)为了提高现有多阶段方法漏洞检测的效率,提出基于贪心策略的三阶段固件漏洞检测算法。由于现有多阶段方法在精确匹配阶段采用的函数结构匹配算法效率较低,本算法利用基于贪心策略的二分图匹配算法来进行函数间的结构相似性的计算,将时间复杂度从(m×n×n)降低到了(m×n)。其中,m、n分别是两个函数的基本块个数,且m≤n。实验表明,相较于现有方法,虽然本算法的Top1指标在六种关联模式下平均下降了3.35%,但效率提高到现有算法的近4.5倍。3)为了同时提高算法漏洞检测的准确率和效率,提出基于特征复用与贪心策略的三阶段固件漏洞检测算法。前述两种算法虽然能分别提高准确率和效率,但却分别牺牲了部分效率和准确率,没有达到合理的平衡。本算法以前述两种算法为基础,利用基于贪心策略的二分图匹配算法代替基于特征复用的三阶段算法中的结构特征匹配算法。实验结果表明,相比于同类算法,本算法的准确率和效率都得到了提升,其Top1指标在六种关联模式下平均提高了5.89%,检测效率提高到现有算法的近3.2倍。并且在对OpenSSL的8个真实漏洞函数进行检测时,都能准确检测出同源漏洞函数。
其他文献
近年来少样本学习受到了很多关注,它旨在从少量有标签训练数据中实现快速学习和泛化。少样本图像分类作为少样本学习的主要分支,它的目标是在每个类只提供单个或几个训练样本(支持样本)时学习一个分类器以识别测试样本(查询样本)的类别。在少样本学习中应用元学习的思想可以帮助模型在相同类型任务之间迁移有用的元知识,一定程度上减轻样本量少带来的问题。但是少量样本带来的信息十分有限仍不足以充分表示一个类别。在元学习
学位
随着互联网新闻资讯数量的急剧增长,用户常常会面临巨大的阅读障碍,难以及时且准确地知悉新闻资讯的主要内容。在此背景下,为了满足用户快速获取新闻概要的需求,对大规模新闻资讯进行智能化概述,开展文本自动摘要技术的研究尤为必要。本文以大规模新闻数据集为研究语料,以增强生成摘要包含的主题语义信息为主线,分别开展了抽取式自动摘要、生成式自动摘要以及生成式模型训练优化等方面的改进研究工作,最终采用“先抽取,再生
学位
随着全球移动数据流量呈爆炸式增长,移动视频将成为移动网络中最主要的服务之一。边缘缓存技术将内容存放在更接近用户的网络边缘端,能有效降低请求延迟和网络负载。现有的边缘缓存工作主要从系统或用户的角度展开研究,旨在减少传输延迟、降低系统能耗和提升用户体验等,但移动视频服务的主体是内容提供商,较少工作考虑内容提供商的缓存经济成本。为此本文从内容提供商的角度对视频边缘缓存问题展开了深入研究,主要包括:多个内
学位
数字化转型对企业绩效的影响机制是近年来学界和业界关注的重要议题。本文针对这一领域的研究成果,首先对数字化转型的概念内涵以及其与企业绩效关系的理论依据进行系统评述;其次,归纳数字化转型对企业绩效的直接影响,如促进作用、抑制作用、曲线效应,以及数字化转型与企业绩效关系的情景因素和中介变量;最后,提出未来研究方向,包括数字化转型行为的演变规律及对企业绩效的动态影响机制、数字技术和商业模式变革对于提升企业
期刊
给定一张未化妆的源图像和一张任意妆容的参考图像,妆容迁移目标是生成一张新的图像,该图像具有参考图像口红、眼影、腮红等妆容信息,又保留源图像人物身份、表情、姿态以及背景等内容信息。因其广泛的应用场景和巨大的市场需求,妆容迁移得到了越来越多的关注和研究。在妆容迁移任务中,主要有两方面的内容需要学习,一方面是建立源图像和参考图像之间的语义对应关系,另一方面是提取参考图像的妆容信息。现有的妆容迁移算法利用
学位
场景图像中的文字包含丰富的高层语义信息,精确检测场景文本有助于感知和理解图像,文本检测一般采用基于目标检测和基于语义分割的方法。基于目标检测的文本检测方法大多依赖于锚策略生成文本候选区域框,但锚定位框依赖于人工设定,不能很好的满足自然场景图像不同尺度、形状和方向文本的检测问题,而且会产生大量重复检测,影响检测精度和效率。另外,此类方法学习的是单词或文本行级的特征,无法获得字符级特征以及拟合曲形文本
学位
行人再识别是利用计算机视觉系统,在图像或者视频集中搜寻给定人物的任务。任务特点是该人物会从一台相机的视野中消失,然后出现在另外一台与前述相机无重叠视野的相机中。行人再识别已经被广泛应用于社会安保和安防中。目前大多数的研究工作专注于可见光条件下的彩色图像。然而在光线不足的情况下,传统彩色相机的成像是无效的。为了解决光线不足导致彩色相机无法成像的问题,红外相机成为了一个可替代的方案。基于红外相机的成像
学位
信息的爆炸式增长促使了自然语言处理技术的发展,如何高效地从海量的文本数据中提取出有用的语义信息是目前研究的重点与难点问题。结合自然语言本身的特点,本文从序列标注和词义消歧两个方向展开研究并提出相应的改进方法,主要工作及研究内容如下:(1)研究基于序列标注的语义信息提取方法。传统的利用Bi LSTM的单词级序列标注方法通常忽略了字符中的语义信息,同时这种顺序处理输入序列的方式会限制捕捉句子内非连续单
学位
数字经济时代,数字化转型赋予企业新的发展动能,这能否提升企业的绿色创新能力?基于沪深A股上市公司2007~2021年的数据,实证检验企业数字化转型对绿色创新能力的影响及其作用机制。研究发现,企业数字化转型有助于提升绿色创新能力,经过一系列稳健性和内生性检验后结论依然成立。中介机制检验结果表明,企业数字化转型有利于提高资源配置效率、人力资本配置效率和创新资源配置效率,进而影响绿色创新能力。进一步研究
期刊
本文基于企业技术创新与人力资本结构视角,以2010—2021年制造业A股上市公司年报与财务数据为基础,利用Python分词处理与人工识别构建数字化词典,并以文本分析法构建了制造业数字化程度指标,实证分析了数字化转型对制造业服务化的影响。结果显示:(1)总体上,数字化转型对制造业服务化水平的提升具有显著促进效应,且该效应在采用“宽带中国”战略作为准自然实验和清朝城墙数据作为历史工具变量等一系列内生性
期刊