软件学报

作者：李韵，黄辰林，王中锋，袁露，王晓川

单位：李韵，国防科技大学 计算机学院, 湖南 长沙 41007311,黄辰林，国防科技大学 计算机学院, 湖南 长沙 41007302,王中锋，中国人民解放军61302部队, 北京 10001603,袁露，国防科技大学 计算机学院, 湖南 长沙 41007304,王晓川，国防科技大学 计算机学院, 湖南 长沙 41007305

关键词：机器学习;漏洞挖掘;代码表征;软件质量;深度学习

基金：国家重点研发计划（2018YFB0803501）

软件复杂性的增加，给软件安全性带来极大的挑战.随着软件规模的不断增大以及漏洞形态多样化，传统漏洞挖掘方法由于存在高误报率和高漏报率的问题，已无法满足复杂软件的安全性分析需求.近年来，随着人工智能产业的兴起，大量机器学习方法被尝试用于解决软件漏洞挖掘问题.首先，通过梳理基于机器学习的软件漏洞挖掘的现有研究工作，归纳了其技术特征与工作流程；接着，从其中核心的原始数据特征提取切入，以代码表征形式作为分类依据，对现有研究工作进行分类阐述，并系统地进行了对比分析；最后，依据对现有研究工作的整理总结，探讨了基于机器学习的软件漏洞挖掘领域面临的挑战，并展望了该领域的发展趋势.

来源：2020年第7期

《软件学报》期刊编辑部

查看软件学报杂志2020年第7期