基于数据挖掘的安全漏洞静态检测方法研究

安全漏洞静态检测技术是近年来国际上的热点研究领域，目前存在的主要问题是：漏洞检测规则主要依赖人工分析提取，效率问题十分突出，且与具体目标系统密切相关，使得检测规则提取已经成为了漏洞静态检测技术发展的瓶颈。本项目拟在漏洞静态检测领域引入数据挖掘技术，将系统程序代码作为挖掘对象，基于对程序实现模式的挖掘，探索具有相当自动化程度的检测规则提取方法及相应的漏洞检测技术。本项目拟结合漏洞基本机理，引入系统结构特征作为挖掘驱动线索，裁减挖掘空间、降低计算复杂度，解决效率与挖掘深度方面存在的矛盾，以进行时序相关、等效实现识别等深层次程序特征挖掘。将通过时序敏感的序列模式挖掘获得漏洞相关编程模式，并基于合法性检查等效实现的识别进行聚类分析，实现自动化的检测规则提取。在此基础上，发展与规则提取相配合的检测技术，研发相应的原型系统，形成完整的漏洞静态检测工具链，以期有效克服漏洞静态检测技术当前存在的发展障碍。