CN105279075A - 一种基于序列模式软件安全漏洞的检测方法 - Google Patents
一种基于序列模式软件安全漏洞的检测方法 Download PDFInfo
- Publication number
- CN105279075A CN105279075A CN201410261419.2A CN201410261419A CN105279075A CN 105279075 A CN105279075 A CN 105279075A CN 201410261419 A CN201410261419 A CN 201410261419A CN 105279075 A CN105279075 A CN 105279075A
- Authority
- CN
- China
- Prior art keywords
- security breaches
- sequence
- security
- detection method
- breaches
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 42
- 239000013598 vector Substances 0.000 claims abstract description 47
- 238000012544 monitoring process Methods 0.000 claims abstract description 12
- 230000003993 interaction Effects 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 2
- 101100173586 Schizosaccharomyces pombe (strain 972 / ATCC 24843) fft2 gene Proteins 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Storage Device Security (AREA)
Abstract
本发明公开了一种基于序列模式软件安全漏洞的检测方法，步骤包括有：A、将已知的安全漏洞记录存入数据库，将数据库中的安全漏洞记录进行分类，形成若干个安全漏洞序列；B、将每个安全漏洞序列提取特征向量，作为每个安全漏洞序列的标示；C、在线监控模块将运行的程序语句与步骤B中的特征向量进行对比，离线扫描模块将软件系统的源代码于步骤A中的安全漏洞序列进行对比；D、将步骤C中得到的安全漏洞对比结果进行去噪后将被认定为的安全漏洞的对比结果存入与其最接近的安全漏洞序列中，将未被认定为安全漏洞的对比结果通过人机交互模块输出。本发明能够改进现有技术的不足，同时提高了检测的速度和精度。
Description
技术领域
本发明涉及信息安全技术领域，尤其是一种基于序列模式软件安全漏洞的检测方法。
背景技术
随着计算机技术的发展，各种软件被越来越广泛地应用在生产生活的各个领域。由于软件的编写思路是优选考虑其能实现的功能，再考虑其不能实现的功能，所以软件漏洞在实际中是不可避免的。软件漏洞就是从能够实现区域到不能实现区域的通道。为了提高软件的安全性，需要对一款软件进行长期的检测，以发现隐藏的安全漏洞。现有的软件漏洞检测方法普遍存在检测手段单一，检测速度和检测精度无法兼顾的问题。
发明内容
本发明要解决的技术问题是提供一种基于序列模式软件安全漏洞的检测方法，能够解决现有技术的不足，实现了执行语句和源代码的双向检测，并根据不同的检测手段设计了与其符合的检测方法，同时提高了检测的速度和精度。
为解决上述技术问题，本发明所采取的技术方案如下。
一种基于序列模式软件安全漏洞的检测方法，其特征在于包括以下步骤：
A、将已知的安全漏洞记录存入数据库，将数据库中的安全漏洞记录进行分类，形成若干个安全漏洞序列；
B、将每个安全漏洞序列提取特征向量，作为每个安全漏洞序列的标示；
C、在软件系统中设置在线监控模块和离线扫描模块，在线监控模块将运行的程序语句与步骤B中的特征向量进行对比，离线扫描模块将软件系统的源代码于步骤A中的安全漏洞序列进行对比；
D、将步骤C中得到的安全漏洞对比结果进行去噪后将被认定为的安全漏洞的对比结果存入与其最接近的安全漏洞序列中，将未被认定为安全漏洞的对比结果通过人机交互模块输出，进行人工判定，使用人工判定为安全漏洞的对比结果建立新的安全漏洞序列，并存入数据库。
作为优选，步骤A中，将安全漏洞记录按照关键字进行分类，在同一个关键字的安全漏洞序列中，按照副关键字进行排序，在同一个副关键字的安全漏洞序列部分中按照出现频率进行排序。
作为优选，步骤B中，将安全漏洞序列中的每种元素进行加权操作，将加权后的元素求和后取对数，得到特征向量。
作为优选，步骤C中，运行的程序语句与步骤B中的特征向量通过求两项的交集进行对比，软件系统的源代码根据安全漏洞记录出现的频率由高到低依次与安全漏洞序列的关键字和副关键字进行对比。
作为优选，步骤D中，通过安全漏洞与安全漏洞序列特征向量的特征值的欧氏距离作为安全漏洞与安全漏洞序是否接近的判断标准。
作为优选，将提取的任意两个安全漏洞序列的关键字的差别作为第一区别度，将任意两个特征向量的内积作为第二区别度，并遍历全部的安全漏洞序列组合和特征向量组合；步骤C中，在线监控模块首先随机选取一个特征向量进行对比，如果认定为安全漏洞则停止本次对比，否则选取与本次对比所用特征向量第二区别度最小的特征向量作为下一次对比的特征向量，依此循环，直至认定为安全漏洞或遍历完所有特征向量，离线扫描模块首先随机选取一个安全漏洞序列进行对比，如果认定为安全漏洞则停止本次对比，否则选取与本次对比所用安全漏洞序第一区别度最小的安全漏洞序作为下一次对比的安全漏洞序，依此循环，直至认定为安全漏洞或遍历完所有安全漏洞序。
采用上述技术方案所带来的有益效果在于：
1、通过对运行的程序语句，可以在程序运行中发现运行语句中的安全漏洞，对软件系统的源代码的双向检测，可以对未执行的程序语句和程序的底层设计进行检测，两种检测方式进行互补，提高了检测的精度。
2、由于运行的程序语句存在更新速度快的特点，采用特征向量的对比方式，可以极大的提高对比检测的速度；由于软件系统的源代码是相对静止的，所以采用与安全漏洞序列进行对比，可以保证检测精度。
3、特征向量采用加权取对数的方式获得，可以提高特征向量中元素的代表性，提高特征向量对比检测时的准确性。安全漏洞记录通过关键字、副关键字和出现频率进行分类形成安全漏洞序列，可以提高对安全漏洞序列检测的速度。
4、采用与安全漏洞序列特征向量的欧氏距离作为判断与其是否接近的标准，可以全面的覆盖安全漏洞序列特征向量所有的元素，实现对比的准确性。
5、利用区别度的高低将待对比的对象进行排序，可以减少对比次数，提高检测速度。
具体实施方式
一种基于序列模式软件安全漏洞的检测方法，其特征在于包括以下步骤：
A、将已知的安全漏洞记录存入数据库，将数据库中的安全漏洞记录进行分类，形成若干个安全漏洞序列；
B、将每个安全漏洞序列提取特征向量，作为每个安全漏洞序列的标示；
C、在软件系统中设置在线监控模块和离线扫描模块，在线监控模块将运行的程序语句与步骤B中的特征向量进行对比，离线扫描模块将软件系统的源代码于步骤A中的安全漏洞序列进行对比；在线监控模块对运行的程序语句进行对比的同时，监控单位时间运行的程序语句的数量，当数量超过设定阈值时，离线扫描模块暂停对比，这可以充分利用硬件运算资源，使软件漏洞的检测不影响系统的运行速度。
D、将步骤C中得到的安全漏洞对比结果进行去噪后将被认定为的安全漏洞的对比结果存入与其最接近的安全漏洞序列中，将未被认定为安全漏洞的对比结果通过人机交互模块输出，进行人工判定，使用人工判定为安全漏洞的对比结果建立新的安全漏洞序列，并存入数据库。去噪操作采用阈值放大方法进行处理，处理步骤如下：
D1、将对比结果进行傅里叶变换，
D2、将D1步骤中的变换结果带入一下程序段进行放大，
public：
voidinit_wls(intx，inta，inty，intb)；
CvPoint2D32fget_predict(floatx，floaty)；
ceil(intx＝0，inta＝0，inty＝0，intb＝0)；
f1＝min((x-y)，(a-b))；
f2＝(x+y)/2；wc2＝(a+b)/2；
subplot(3，1，2)；
plot(f1/pi，15*log2(abs(f2)))；
f3＝fir(N-1，[f1，f2]/pi，hamming(x))；
f4＝ffshift(fft2(y))；
End；
D3、将放大后的结果带入下面的程序段进行噪声筛选，
r1＝cos(log2(f4)/f4)*tan((f1*k1+f2*k2+f3*k3)/3)；
ylabel(r1)；
subplot(2，2，4)；plot(x)；
xlabel(y)；
[r2，r3]＝freqz(x，y)；
r＝(r12+r22+r32)1/2；
值得注意的是，步骤A中，将安全漏洞记录按照关键字进行分类，在同一个关键字的安全漏洞序列中，按照副关键字进行排序，在同一个副关键字的安全漏洞序列部分中按照出现频率进行排序。
值得注意的是，步骤B中，将安全漏洞序列中的每种元素进行加权操作，将加权后的元素求和后取对数，得到特征向量。对数底数取2。
值得注意的是，步骤C中，运行的程序语句与步骤B中的特征向量通过求两项的交集进行对比，软件系统的源代码根据安全漏洞记录出现的频率由高到低依次与安全漏洞序列的关键字和副关键字进行对比。
值得注意的是，步骤D中，通过安全漏洞与安全漏洞序列特征向量的特征值的欧氏距离作为安全漏洞与安全漏洞序是否接近的判断标准。
值得注意的是，将提取的任意两个安全漏洞序列的关键字的差别作为第一区别度，将任意两个特征向量的内积作为第二区别度，并遍历全部的安全漏洞序列组合和特征向量组合；步骤C中，在线监控模块首先随机选取一个特征向量进行对比，如果认定为安全漏洞则停止本次对比，否则选取与本次对比所用特征向量第二区别度最小的特征向量作为下一次对比的特征向量，依此循环，直至认定为安全漏洞或遍历完所有特征向量，离线扫描模块首先随机选取一个安全漏洞序列进行对比，如果认定为安全漏洞则停止本次对比，否则选取与本次对比所用安全漏洞序第一区别度最小的安全漏洞序作为下一次对比的安全漏洞序，依此循环，直至认定为安全漏洞或遍历完所有安全漏洞序。
本发明实现了执行语句和源代码的双向检测，并根据不同的检测手段设计了与其符合的检测方法，同时提高了检测的速度和精度。具体有以下几点：
1、通过对运行的程序语句，可以在程序运行中发现运行语句中的安全漏洞，对软件系统的源代码的双向检测，可以对未执行的程序语句和程序的底层设计进行检测，两种检测方式进行互补，提高了检测的精度。
2、由于运行的程序语句存在更新速度快的特点，采用特征向量的对比方式，可以极大的提高对比检测的速度；由于软件系统的源代码是相对静止的，所以采用与安全漏洞序列进行对比，可以保证检测精度。
3、特征向量采用加权取对数的方式获得，可以提高特征向量中元素的代表性，提高特征向量对比检测时的准确性。安全漏洞记录通过关键字、副关键字和出现频率进行分类形成安全漏洞序列，可以提高对安全漏洞序列检测的速度。
4、采用与安全漏洞序列特征向量的欧氏距离作为判断与其是否接近的标准，可以全面的覆盖安全漏洞序列特征向量所有的元素，实现对比的准确性。
5、利用区别度的高低将待对比的对象进行排序，可以减少对比次数，提高检测速度。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (6)
1.一种基于序列模式软件安全漏洞的检测方法，其特征在于包括以下步骤：
A、将已知的安全漏洞记录存入数据库，将数据库中的安全漏洞记录进行分类，形成若干个安全漏洞序列；
B、将每个安全漏洞序列提取特征向量，作为每个安全漏洞序列的标示；
C、在软件系统中设置在线监控模块和离线扫描模块，在线监控模块将运行的程序语句与步骤B中的特征向量进行对比，离线扫描模块将软件系统的源代码于步骤A中的安全漏洞序列进行对比；
D、将步骤C中得到的安全漏洞对比结果进行去噪后将被认定为的安全漏洞的对比结果存入与其最接近的安全漏洞序列中，将未被认定为安全漏洞的对比结果通过人机交互模块输出，进行人工判定，使用人工判定为安全漏洞的对比结果建立新的安全漏洞序列，并存入数据库。
2.根据权利要求1所述的基于序列模式软件安全漏洞的检测方法，其特征在于：步骤A中，将安全漏洞记录按照关键字进行分类，在同一个关键字的安全漏洞序列中，按照副关键字进行排序，在同一个副关键字的安全漏洞序列部分中按照出现频率进行排序。
3.根据权利要求1所述的基于序列模式软件安全漏洞的检测方法，其特征在于：步骤B中，将安全漏洞序列中的每种元素进行加权操作，将加权后的元素求和后取对数，得到特征向量。
4.根据权利要求2所述的基于序列模式软件安全漏洞的检测方法，其特征在于：步骤C中，运行的程序语句与步骤B中的特征向量通过求两项的交集进行对比，软件系统的源代码根据安全漏洞记录出现的频率由高到低依次与安全漏洞序列的关键字和副关键字进行对比。
5.根据权利要求1所述的基于序列模式软件安全漏洞的检测方法，其特征在于：步骤D中，通过安全漏洞与安全漏洞序列特征向量的特征值的欧氏距离作为安全漏洞与安全漏洞序是否接近的判断标准。
6.根据权利要求4所述的基于序列模式软件安全漏洞的检测方法，其特征在于：将提取的任意两个安全漏洞序列的关键字的差别作为第一区别度，将任意两个特征向量的内积作为第二区别度，并遍历全部的安全漏洞序列组合和特征向量组合；步骤C中，在线监控模块首先随机选取一个特征向量进行对比，如果认定为安全漏洞则停止本次对比，否则选取与本次对比所用特征向量第二区别度最小的特征向量作为下一次对比的特征向量，依此循环，直至认定为安全漏洞或遍历完所有特征向量，离线扫描模块首先随机选取一个安全漏洞序列进行对比，如果认定为安全漏洞则停止本次对比，否则选取与本次对比所用安全漏洞序第一区别度最小的安全漏洞序作为下一次对比的安全漏洞序，依此循环，直至认定为安全漏洞或遍历完所有安全漏洞序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410261419.2A CN105279075A (zh) | 2014-06-10 | 2014-06-10 | 一种基于序列模式软件安全漏洞的检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410261419.2A CN105279075A (zh) | 2014-06-10 | 2014-06-10 | 一种基于序列模式软件安全漏洞的检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105279075A true CN105279075A (zh) | 2016-01-27 |
Family
ID=55148121
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410261419.2A Pending CN105279075A (zh) | 2014-06-10 | 2014-06-10 | 一种基于序列模式软件安全漏洞的检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105279075A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107196955A (zh) * | 2017-06-15 | 2017-09-22 | 北京理工大学 | 基于漏洞关联性分析的网络系统主动防御方法 |
| CN107862327A (zh) * | 2017-10-26 | 2018-03-30 | 华中科技大学 | 一种基于多特征的安全缺陷识别系统和方法 |
| CN111694701A (zh) * | 2020-05-25 | 2020-09-22 | 佛山科学技术学院 | 一种嵌入式系统硬件模块离线状态的检测方法及系统 |
| CN114598544A (zh) * | 2022-03-22 | 2022-06-07 | 全球能源互联网研究院有限公司南京分公司 | 一种智能物联终端安全状态基线判别方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101710378A (zh) * | 2009-10-10 | 2010-05-19 | 北京理工大学 | 一种基于序列模式挖掘的软件安全漏洞检测方法 |
| CN101727391A (zh) * | 2009-12-14 | 2010-06-09 | 北京理工大学 | 一种软件漏洞特征操作序列的提取方法 |
| CN101739337A (zh) * | 2009-12-14 | 2010-06-16 | 北京理工大学 | 一种基于聚类的软件漏洞序列特征的分析方法 |
| CN101996292A (zh) * | 2010-12-10 | 2011-03-30 | 北京理工大学 | 一种基于序列聚类的软件安全特性分析方法 |
| CN104778403A (zh) * | 2014-01-15 | 2015-07-15 | 江苏南大苏富特科技股份有限公司 | 一种基于序列模式软件安全漏洞的检测方法 |
-
2014
- 2014-06-10 CN CN201410261419.2A patent/CN105279075A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101710378A (zh) * | 2009-10-10 | 2010-05-19 | 北京理工大学 | 一种基于序列模式挖掘的软件安全漏洞检测方法 |
| CN101727391A (zh) * | 2009-12-14 | 2010-06-09 | 北京理工大学 | 一种软件漏洞特征操作序列的提取方法 |
| CN101739337A (zh) * | 2009-12-14 | 2010-06-16 | 北京理工大学 | 一种基于聚类的软件漏洞序列特征的分析方法 |
| CN101996292A (zh) * | 2010-12-10 | 2011-03-30 | 北京理工大学 | 一种基于序列聚类的软件安全特性分析方法 |
| CN104778403A (zh) * | 2014-01-15 | 2015-07-15 | 江苏南大苏富特科技股份有限公司 | 一种基于序列模式软件安全漏洞的检测方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107196955A (zh) * | 2017-06-15 | 2017-09-22 | 北京理工大学 | 基于漏洞关联性分析的网络系统主动防御方法 |
| CN107862327A (zh) * | 2017-10-26 | 2018-03-30 | 华中科技大学 | 一种基于多特征的安全缺陷识别系统和方法 |
| CN107862327B (zh) * | 2017-10-26 | 2020-07-24 | 华中科技大学 | 一种基于多特征的安全缺陷识别系统和方法 |
| CN111694701A (zh) * | 2020-05-25 | 2020-09-22 | 佛山科学技术学院 | 一种嵌入式系统硬件模块离线状态的检测方法及系统 |
| CN111694701B (zh) * | 2020-05-25 | 2023-04-25 | 佛山科学技术学院 | 一种嵌入式系统硬件模块离线状态的检测方法及系统 |
| CN114598544A (zh) * | 2022-03-22 | 2022-06-07 | 全球能源互联网研究院有限公司南京分公司 | 一种智能物联终端安全状态基线判别方法及装置 |
| CN114598544B (zh) * | 2022-03-22 | 2023-07-11 | 全球能源互联网研究院有限公司南京分公司 | 一种智能物联终端安全状态基线判别方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Shafeeq et al. | Dynamic clustering of data with modified k-means algorithm | |
| CN104778403A (zh) | 一种基于序列模式软件安全漏洞的检测方法 | |
| Sobhani et al. | New drift detection method for data streams | |
| CN106982196B (zh) | 一种异常访问检测方法及设备 | |
| CN105279075A (zh) | 一种基于序列模式软件安全漏洞的检测方法 | |
| BR112018067363A2 (pt) | método e sistema para previsão e rastreamento de roubos, e, método para rastreamento de roubos. | |
| WO2013074774A4 (en) | Data clustering based on variant token networks | |
| WO2015002630A3 (en) | Fraud detection methods and systems | |
| US20180349801A1 (en) | Log analysis system, log analysis method, and log analysis program | |
| CN105701470A (zh) | 一种基于最优小波包分解的模拟电路故障特征提取方法 | |
| CN107369240B (zh) | 一种纸币鉴伪方法、装置、计算机及存储介质 | |
| CN107016298B (zh) | 一种网页篡改监测方法及装置 | |
| CN110837874B (zh) | 基于时间序列分类的业务数据异常检测方法 | |
| GB2581762A (en) | Data de-identification based on detection of allowable configurations for data de-identification processes | |
| US11630135B2 (en) | Method and apparatus for non-intrusive program tracing with bandwidth reduction for embedded computing systems | |
| AU2014321074B2 (en) | Method and apparatus for detecting magnetic signal of paper money | |
| CN105403863A (zh) | 基于多特征提取的雷达脉冲重复间隔调制识别方法 | |
| Saadawia et al. | Improved process monitoring and supervision based on a reliable multi-stage feature-based pattern recognition technique | |
| Gao et al. | A network intrusion detection method based on improved K-means algorithm | |
| CN111835781A (zh) | 一种基于失陷主机发现同源攻击的主机的方法及系统 | |
| CN104980442A (zh) | 一种基于元样本稀疏表示的网络入侵检测方法 | |
| Normolle et al. | Statistical classification of multivariate flow cytometry data analyzed by manual gating: Stem, progenitor, and epithelial marker expression in nonsmall cell lung cancer and normal lung | |
| Czech et al. | A dictionary approach to identifying transient RFI | |
| Prasad et al. | Assessment of clustering tendency through progressive random sampling and graph-based clustering results | |
| CN108154106B (zh) | 一种提高脉冲信号重周直方图峰值高度比的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| DD01 | Delivery of document by public notice |
Addressee: Jiangsu Bozhi Software Technology Co., Ltd. Document name: Notification of Publication of the Application for Invention |
|
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| DD01 | Delivery of document by public notice |
Addressee: Jiangsu Bozhi Software Technology Co., Ltd. Document name: Notification of Patent Invention Entering into Substantive Examination Stage |
|
| DD01 | Delivery of document by public notice | ||
| DD01 | Delivery of document by public notice |
Addressee: Jiangsu Bozhi Software Technology Co., Ltd. Document name: the First Notification of an Office Action |
|
| DD01 | Delivery of document by public notice | ||
| DD01 | Delivery of document by public notice |
Addressee: Jiangsu Bozhi Software Technology Co., Ltd. Document name: Notification that Application Deemed to be Withdrawn |
|
| DD01 | Delivery of document by public notice | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160127 |
|
| WD01 | Invention patent application deemed withdrawn after publication |