软件漏洞是信息系统安全的主要威胁,其主要原因源自于软件的高复杂度。随着软件数量的爆炸式增长,软件漏洞自动化挖掘技术是一个势在必行的趋势。然而目前的漏洞检测依然主要是基于安全工程师的经验来完成,因此存在批量处理效率低下和漏洞检出率的不稳定的缺点。本文研究基于人工智能的漏洞挖掘方法,通过训练大批量的漏洞代码样本,学习漏洞代码的语义、结构、指令序列等特征,从而能够自动化的定位到可疑代码。本文实现的基于人工智能的漏洞挖掘分为如下三个方面:(1)基于敏感函数进行代码切片,运用双向递归神经网络对代码进行训练,提取漏洞代码的静态语义特征;(2)基于中间语言构建程序的控制流图,将图的结构特征与中间语言的语义特征结合,学习漏洞代码的静态特征;(3)对于可执行程序,利用动态插桩工具,获取代码执行过程中的指令序列,学习漏洞代码的动态执行特征。本文最终建立一个包含约18万条漏洞代码样本的数据库,并完成一套自动检测漏洞的模型,对于漏洞代码静态检测的准确率最高可以达到90%,动态检测的准确率高达95%以上,可以提高软件高危漏洞的自动化发现能力和分析效率。