建立代码缺陷审计模型的方法、装置、设备及存储介质与流程

所属的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“平台”。图8是本发明的建立代码缺陷审计模型和/或代码缺陷审计的处理设备的结构示意图。下面参照图8来描述根据本发明的这种实施方式的电子设备800。图8显示的电子设备800仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。如图8所示，电子设备800以通用计算设备的形式表现。电子设备800的组件可以包括但不限于：至少一个处理单元810、至少一个存储单元820、连接不同平台组件(包括存储单元820和处理单元810)的总线830、显示单元840等。其中，存储单元存储有程序代码，程序代码可以被处理单元810执行，使得处理单元810执行本说明书上述建立代码缺陷审计模型的方法和/或代码缺陷审计方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，处理单元810可以执行如图1或图3中所示的步骤。存储单元820可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)8201和/或高速缓存存储单元8202，还可以进一步包括只读存储单元(rom)8203。存储单元820还可以包括具有一组(至少一个)程序模块8205的程序/实用工具8204，这样的程序模块8205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。总线830可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。电子设备800也可以与一个或多个外部设备8001(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备800交互的设备通信，和/或与使得该电子设备800能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口850进行。并且，电子设备800还可以通过网络适配器860与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。网络适配器860可以通过总线830与电子设备800的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备800使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储平台等。本发明实施例还提供一种计算机可读存储介质，用于存储程序，程序被执行时实现的建立代码缺陷审计模型的方法和/或代码缺陷审计方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行本说明书上述建立代码缺陷审计模型的方法和/或代码缺陷审计方法部分中描述的根据本发明各种示例性实施方式的步骤。如上所示，该实施例的采用两个共享权值的神经网络模型构建孪生网络模型，孪生网络模型的输入为一对相同缺陷类型的代码向量，经神经网络模型提取该对代码向量的特征向量，根据特征向量的距离计算相似性，从而判断缺陷是否误报；通过待审计代码与搜索空间内已审计缺陷的相似性实现缺陷的自动审计，将孪生网络模型输出的一对特征向量距离转换为相似性来判断缺陷的相似性。如待测缺陷与搜索空间的误报缺陷最相似，则判断该缺陷为误报，若与真实缺陷最相似则判断为缺陷。由此，实现代码缺陷的自动审计并提高代码审计的效率。图9是本发明的计算机可读存储介质的结构示意图。参考图9所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品900，其可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。综上，本技术采用两个共享权值的神经网络模型构建孪生网络模型，孪生网络模型的输入为一对相同缺陷类型的代码向量，经神经网络模型提取该对代码向量的特征向量，根据特征向量的距离计算相似性，从而判断缺陷是否误报；通过待审计代码与搜索空间内已审计缺陷的相似性实现缺陷的自动审计，将孪生网络模型输出的一对特征向量距离转换为相似性来判断缺陷的相似性。如待测缺陷与搜索空间的误报缺陷最相似，则判断该缺陷为误报，若与真实缺陷最相似则判断为缺陷。由此，实现代码缺陷的自动审计并提高代码审计的效率。以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

背景技术：

1、源代码缺陷扫描工具一般基于专家定义的漏洞特征和扫描规则，通过数据流、控制流、语义分析等手段来检查源代码中的缺陷，普遍存在较高的误报率。owasp(开放式web应用程序安全项目)针对此类工具的基准测评数据显示一些高检出率的工具的误报率甚至超过50％。因工具的高误报率，需要对扫描结果进行审计来剔除误报。

2、代码缺陷的人工审计常依赖审计人员的专业知识，人力投入高、效率低，一些误报在不同项目代码的缺陷扫描中反复出现，却不能利用已有的审计数据自动匹配。现有的一些自动化方法只是简单的过滤低风险问题，或按函数名、类名、包名、文件名等白名单过滤掉缺陷，并未对缺陷进行实质审计。

3、在一些基于深度学习的代码缺陷检测技术中，将代码向量输入到已训练好的深度学习模型中进行二分类或多分类，来判断是否存在缺陷。该方法无需依赖专家定义的缺陷扫描规则，但模型的分类能力依赖大量的训练数据及训练数据所能覆盖的缺陷类型。然而，一般的缺陷扫描工具支持的缺陷类型高达数百种。由此可见，各类缺陷的训练数据较少，从而无法获得准确的检测结果。

4、由此，如何实现代码缺陷的自动审计并提高代码审计的效率，是本领域技术人员亟待解决的技术问题。

5、需要说明的是，上述背景技术部分公开的信息仅用于加强对本发明的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、针对现有技术中的问题，本发明的目的在于提供建立代码缺陷审计模型的方法、装置、设备及存储介质，克服了现有技术的困难，实现代码缺陷的自动审计并提高代码审计的效率。

2、本发明的实施例提供一种建立代码缺陷审计模型的方法，所述代码缺陷审计模型为孪生网络模型，所述孪生网络模型包括两个共享权值的神经网络模型以及距离计算层，两个共享权值的神经网络模型的输出作为所述距离计算层的输入，所述方法包括：

3、生成缺陷样本对，所述缺陷样本对包括两个具有相同缺陷类型的缺陷样本，所述缺陷样本包括缺陷类型、代码向量以及审计标签，所述审计标签用以指示所述代码向量具有缺陷或者所述代码向量的缺陷为误报；

4、将所述缺陷样本对中的两个缺陷样本的代码向量分别输入两个所述神经网络模型，两个所述神经网络模型分别输出两个所述缺陷样本的代码向量的特征向量，以由所述距离计算层计算两个所述特征向量之间的距离；

5、采用所述代码缺陷审计模型的损失函数训练所述代码缺陷审计模型，所述损失函数根据所述缺陷样本的审计标签以及两个所述特征向量之间的距离计算。

6、在本技术的一些实施例中，所述代码向量根据如下步骤获取：

7、获取扫描工具的代码缺陷报告；

8、根据所述代码缺陷报告，获取代码切片；

9、对所述代码切片进行符号化；

10、将经符号化的代码切片转换为代码向量，

11、其中，所述缺陷类型也自所述代码缺陷报告中获取。

12、在本技术的一些实施例中，根据所述代码缺陷报告，获取代码切片包括：

13、解析所述代码缺陷报告的缺陷跟踪路径；

14、根据所述缺陷跟踪路径，扩展自源点到爆发点的代码路径，以获得代码切片。

15、在本技术的一些实施例中，所述生成缺陷样本对包括：

16、对相同缺陷类型，生成多对生成缺陷样本对，所生成的多对缺陷样本对包括第一缺陷样本对、第二缺陷样本对以及第三缺陷样本对，

17、其中，所述第一缺陷样本对包括审计标签指示所述代码向量具有缺陷的两个缺陷样本；

18、所述第二缺陷样本对包括审计标签指示所述代码向量的缺陷为误报的两个缺陷样本；

19、所述第三缺陷样本对包括审计标签分别指示所述代码向量具有缺陷以及所述代码向量的缺陷为误报的两个缺陷样本。

20、在本技术的一些实施例中，所述神经网络模型为双向长短时记忆网络模型。

21、在本技术的一些实施例中，各所述缺陷样本自缺陷数据库中获取。

22、根据本技术的又一方面，还提供一种代码缺陷审计方法，包括：

23、获取待审计代码的代码向量以及缺陷类型；

24、将所述缺陷类型自缺陷数据库中具有相同缺陷类型的缺陷样本，作为搜索空间，所述缺陷样本包括缺陷类型、代码向量以及审计标签，所述审计标签用以指示所述代码向量具有缺陷或者所述代码向量的缺陷为误报；

25、将所述搜索空间的缺陷样本与所述待审计代码的代码向量分别输入至经训练的代码缺陷审计模型的两个神经网络模型，所述代码缺陷审计模型为孪生网络模型，所述孪生网络模型包括两个共享权值的神经网络模型以及距离计算层，两个共享权值的神经网络模型的输出作为所述距离计算层的输入，两个所述神经网络模型用以输出代码向量的特征向量，所述距离计算层用以计算两个所述神经网络模型输出的特征向量之间的距离；

26、将所述距离计算层输出的距离转换为输入至经训练的代码缺陷审计模型的两个神经网络模型的所述搜索空间的缺陷样本与所述待审计代码的代码向量的相似度；

27、获取与所述待审计代码的代码向量的相似度最高的所述搜索空间的缺陷样本的审计标签；

28、将所获取的审计标签作为所述待审计代码的审计结果。

29、根据本技术的又一方面，还提供一种建立代码缺陷审计模型的装置，所述代码缺陷审计模型为孪生网络模型，所述孪生网络模型包括两个共享权值的神经网络模型以及距离计算层，两个共享权值的神经网络模型的输出作为所述距离计算层的输入，所述方法包括：

30、缺陷样本对生成模块，用于生成缺陷样本对，所述缺陷样本对包括两个具有相同缺陷类型的缺陷样本，所述缺陷样本包括缺陷类型、代码向量以及审计标签，所述审计标签用以指示所述代码向量具有缺陷或者所述代码向量的缺陷为误报；

31、第一输入模块，用于将所述缺陷样本对中的两个缺陷样本的代码向量分别输入两个所述神经网络模型，两个所述神经网络模型分别输出两个所述缺陷样本的代码向量的特征向量，以由所述距离计算层计算两个所述特征向量之间的距离；

32、模型训练模块，用于采用所述代码缺陷审计模型的损失函数训练所述代码缺陷审计模型，所述损失函数根据所述缺陷样本的审计标签以及两个所述特征向量之间的距离计算。

33、根据本技术的又一方面，还提供一种代码缺陷审计装置，包括：

34、第一获取模块，用于获取待审计代码的代码向量以及缺陷类型；

35、搜索空间生成模块，用于将所述缺陷类型自缺陷数据库中具有相同缺陷类型的缺陷样本，作为搜索空间，所述缺陷样本包括缺陷类型、代码向量以及审计标签，所述审计标签用以指示所述代码向量具有缺陷或者所述代码向量的缺陷为误报；

36、第二输入模块，用于将所述搜索空间的缺陷样本与所述待审计代码的代码向量分别输入至经训练的代码缺陷审计模型的两个神经网络模型，所述代码缺陷审计模型为孪生网络模型，所述孪生网络模型包括两个共享权值的神经网络模型以及距离计算层，两个共享权值的神经网络模型的输出作为所述距离计算层的输入，两个所述神经网络模型用以输出代码向量的特征向量，所述距离计算层用以计算两个所述神经网络模型输出的特征向量之间的距离；

37、相似度模块，用于将所述距离计算层输出的距离转换为输入至经训练的代码缺陷审计模型的两个神经网络模型的所述搜索空间的缺陷样本与所述待审计代码的代码向量的相似度；

38、第二获取模块，用于获取与所述待审计代码的代码向量的相似度最高的所述搜索空间的缺陷样本的审计标签；

39、审计结果模块，用于将所获取的审计标签作为所述待审计代码的审计结果。

40、根据本发明的又一方面，还提供一种建立代码缺陷审计模型的处理设备，包括：

41、处理器；

42、存储器，其中存储有所述处理器的可执行指令；

43、其中，所述处理器配置为经由执行所述可执行指令来执行如上所述建立代码缺陷审计模型的方法的步骤。

44、本发明的实施例还提供一种计算机可读存储介质，用于存储程序，所述程序被执行时实现上述建立代码缺陷审计模型的方法的步骤。

45、相比现有技术，本发明的目的在于：

46、采用两个共享权值的神经网络模型构建孪生网络模型，孪生网络模型的输入为一对相同缺陷类型的代码向量，经神经网络模型提取该对代码向量的特征向量，根据特征向量的距离计算相似性，从而判断缺陷是否误报；通过待审计代码与搜索空间内已审计缺陷的相似性实现缺陷的自动审计，将孪生网络模型输出的一对特征向量距离转换为相似性来判断缺陷的相似性。如待测缺陷与搜索空间的误报缺陷最相似，则判断该缺陷为误报，若与真实缺陷最相似则判断为缺陷。由此，实现代码缺陷的自动审计并提高代码审计的效率。