申请/专利权人:燕山大学
申请日:2023-12-15
公开(公告)日:2024-04-12
公开(公告)号:CN117874762A
主分类号:G06F21/57
分类号:G06F21/57;G06F8/53;G06N3/0464;G06N3/048;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.30#实质审查的生效;2024.04.12#公开
摘要:本发明公开了一种基于反汇编语义信息的可执行软件溢出漏洞预测方法,属于计算机安全技术和漏洞检测技术领域,包括以下步骤:S1:设计反汇编语义信息中的多种溢出漏洞行为模式;S2:设计可执行软件中的溢出漏洞特征;S3:将集合ESVF中包含的二进制代码特征通过卷积神经网络(CNN)转换为特征矩阵;S4:将集合ESVF中包含寄存器信息的汇编代码特征通过时间卷积网络(TCN)转换为特征矩阵;S5:设计预测可执行软件中的溢出漏洞模型。本发明能够针对可执行软件准确提取溢出漏洞特征和溢出漏洞特征中的语义信息,能够依据多种反汇编语义信息保存软件中的执行特征并精准输入到预测模型中提高预测溢出漏洞的泛化能力。
主权项:1.一种基于反汇编语义信息的可执行软件溢出漏洞预测方法,其特征在于包括以下步骤:步骤S1:设计反汇编语义信息中的多种溢出漏洞行为模式;步骤S2:设计可执行软件中的溢出漏洞特征;步骤S3:将集合ESVF中包含的二进制代码特征通过卷积神经网络CNN转换为特征矩阵;步骤S4:将集合ESVF中包含寄存器信息的汇编代码特征通过时间卷积网络TCN转换为特征矩阵;步骤S5:设计预测可执行软件中的溢出漏洞模型。
全文数据:
权利要求:
百度查询: 燕山大学 一种基于反汇编语义信息的可执行软件溢出漏洞预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。