CN112948261A - 针对代码检测结果的审计方法和装置 - Google Patents
针对代码检测结果的审计方法和装置 Download PDFInfo
- Publication number
- CN112948261A CN112948261A CN202110336853.2A CN202110336853A CN112948261A CN 112948261 A CN112948261 A CN 112948261A CN 202110336853 A CN202110336853 A CN 202110336853A CN 112948261 A CN112948261 A CN 112948261A
- Authority
- CN
- China
- Prior art keywords
- false alarm
- initial
- false
- model
- data
- 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 170
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000012550 audit Methods 0.000 claims abstract description 27
- 238000012549 training Methods 0.000 claims description 61
- 238000004422 calculation algorithm Methods 0.000 claims description 34
- 238000003066 decision tree Methods 0.000 claims description 16
- 238000010801 machine learning Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000002360 preparation method Methods 0.000 description 4
- 238000002347 injection Methods 0.000 description 3
- 239000007924 injection Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000005206 flow analysis Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3692—Test management for test results analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Mathematical Optimization (AREA)
- Computer Hardware Design (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开了一种针对代码检测结果的审计方法和装置,涉及人工智能技术领域。该方法的一具体实施方式包括:获取代码检测工具针对目标代码的检测结果;其中,所述检测结果中包括所述代码检测工具检测出的至少一个初始问题的详情数据;从每一初始问题的详情数据中提取该初始问题的特征数据,将每一初始问题的特征数据输入预先训练的误报判别模型,根据所述误报判别模型的输出结果确定所述初始问题中的误报问题;将所述初始问题中的误报问题去除以实现对所述检测结果的审计。该实施方式能够基于人工智能技术自动判别代码检测工具输出的检测结果中的误报问题,从而提高审计效率。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种针对代码检测结果的审计方法和装置。
背景技术
代码检测(也称为代码安全扫描)作为IT系统安全测试中的一项重要安全检测手段,越来越受到业界的重视。代码检测核心为源代码分析技术,包括数据流分析、状态机系统、边界检测、数据类型验证、控制流分析等技术。随着计算机语言的不断演进,代码检测技术也在日趋完善,在不同的细分领域,出现了很多源代码分析产品(即代码检测工具),如Klocwork Insight、Coverity、Fortify和Checkmarx等。代码检测工具目前均在静态进行代码扫描,所有的检测均是按照“规则”来进行,任何一款产品都不可能达到真正的零误报(误报指的是将无安全缺陷漏洞的代码评估为问题代码)、零漏报(漏报指的是未检测出本来存在安全缺陷漏洞的代码)。
各种产品都会有一定的误报率,特别是针对商业银行系统,为了确保系统的安全性,一般尽可能增加规则,减少漏报,与此同时,就会来带更多的误报。通常代码审计人员和开发人员需要花费大量的人力和时间对代码检测工具输出的检测结果进行人工审计以去除检测结果中的误报问题,因此没有充足的精力去解决其它具有重大安全风险的问题。同时,不同代码审计人员的代码审计水平存在差异,容易因存在认知上的误判以及操作过程中的偶然失误将有安全风险的问题错误判定为误报,影响审计质量。
发明内容
有鉴于此,本发明实施例提供一种针对代码检测结果的审计方法和装置,能够基于人工智能技术自动判别代码检测工具输出的检测结果中的误报问题,从而提高审计效率。
为实现上述目的,根据本发明的一个方面,提供了一种针对代码检测结果的审计方法。
本发明实施例的针对代码检测结果的审计方法包括:获取代码检测工具针对目标代码的检测结果;其中,所述检测结果中包括所述代码检测工具检测出的至少一个初始问题的详情数据;从每一初始问题的详情数据中提取该初始问题的特征数据,将每一初始问题的特征数据输入预先训练的误报判别模型,根据所述误报判别模型的输出结果确定所述初始问题中的误报问题;将所述初始问题中的误报问题去除以实现对所述检测结果的审计。
可选地,所述误报判别模型包括:基于不同机器学习算法的第一误报鉴别模型和第二误报鉴别模型。
可选地,所述将每一初始问题的特征数据输入预先训练的误报判别模型,根据所述误报判别模型的输出结果确定所述初始问题中的误报问题,包括:将每一初始问题的特征数据输入预先训练的第一误报鉴别模型,将第一误报鉴别模型的正向输出结果对应的初始问题确定为误报问题,将第一误报鉴别模型的负向输出结果对应的初始问题确定为第一待定问题。
可选地,所述将每一初始问题的特征数据输入预先训练的误报判别模型,根据所述误报判别模型的输出结果确定所述初始问题中的误报问题,进一步包括:将每一第一待定问题的特征数据输入预先训练的第二误报鉴别模型,将第二误报鉴别模型的正向输出结果对应的第一待定问题确定为误报问题,将第二误报鉴别模型的负向输出结果对应的第一待定问题确定为第二待定问题。
可选地,所述审计方法进一步包括:在所述将所述初始问题中的误报问题去除之后,通过人工审计方式确定所述第二待定问题中的误报问题并去除;其中,去除该误报问题后的第二待定问题为非误报问题。
可选地,第一误报鉴别模型和第二误报鉴别模型中的任一误报鉴别模型通过以下步骤训练:获取已确定属于误报问题还是非误报问题的多个初始问题,将每一初始问题的特征数据与标签数据组合为一个训练样本;其中,所述标签数据用于表征初始问题属于误报问题还是非误报问题;依据所述训练样本训练该误报鉴别模型;其中,所述训练样本中的特征数据用于训练输入,所述训练样本中的标签数据作为训练针对的标签。
可选地,所述初始问题的特征数据包括以下至少一种数据:所述初始问题对应的文件名、文件路径、检测规则标识、缩略代码片段、调用链信息;其中,所述检测规则是所述代码检测工具检测到所述初始问题时所采用的。
可选地,所述已确定属于误报问题还是非误报问题的多个初始问题为:通过人工审计方式确定属于误报问题还是非误报问题的初始问题,所述训练样本中的特征数据进一步包括:人工审计意见。
可选地,所述初始问题的详情数据包括所述初始问题对应的以下至少一种数据:文件名、文件路径、检测规则标识、缩略代码片段、调用链信息、问题标识、问题严重性指标、代码行;其中,所述检测规则是所述代码检测工具检测到所述初始问题时所采用的。
可选地,所述审计方法进一步包括:在所述获取代码检测工具针对目标代码的检测结果之后,遍历每一初始问题的详情数据,将所述详情数据中检测规则标识不属于预设规则标识集合的初始问题确定为误报问题并去除。
可选地,第一误报鉴别模型基于朴素贝叶斯算法构建,第二误报鉴别模型基于决策树算法构建;或者,第二误报鉴别模型基于朴素贝叶斯算法构建,第一误报鉴别模型基于决策树算法构建。
可选地,所述代码检测工具包括:Klocwork Insight、Coverity、Fortify或Checkmarx。
为实现上述目的,根据本发明的另一方面,提供了一种针对代码检测结果的审计装置。
本发明实施例的针对代码检测结果的审计装置可包括:检测结果获取单元,用于获取代码检测工具针对目标代码的检测结果;其中,所述检测结果中包括所述代码检测工具检测出的至少一个初始问题的详情数据;误报判别单元,用于从每一初始问题的详情数据中提取该初始问题的特征数据,将每一初始问题的特征数据输入预先训练的误报判别模型,根据所述误报判别模型的输出结果确定所述初始问题中的误报问题;审计单元,用于将所述初始问题中的误报问题去除以实现对所述检测结果的审计。
可选地,所述误报判别模型可包括:基于不同机器学习算法的第一误报鉴别模型和第二误报鉴别模型;以及,所述误报判别单元进一步用于:将每一初始问题的特征数据输入预先训练的第一误报鉴别模型,将第一误报鉴别模型的正向输出结果对应的初始问题确定为误报问题,将第一误报鉴别模型的负向输出结果对应的初始问题确定为第一待定问题;将每一第一待定问题的特征数据输入预先训练的第二误报鉴别模型,将第二误报鉴别模型的正向输出结果对应的第一待定问题确定为误报问题,将第二误报鉴别模型的负向输出结果对应的第一待定问题确定为第二待定问题。
可选地,所述审计装置可进一步包括:误报甄别单元,用于:在所述审计单元将所述初始问题中的误报问题去除之后,通过人工审计方式确定所述第二待定问题中的误报问题并去除;其中,去除该误报问题后的第二待定问题为非误报问题;模型训练单元,用于:对于第一误报鉴别模型和第二误报鉴别模型中的任一误报鉴别模型:获取已确定属于误报问题还是非误报问题的多个初始问题,将每一初始问题的特征数据与标签数据组合为一个训练样本;其中,所述标签数据用于表征初始问题属于误报问题还是非误报问题;依据所述训练样本训练该误报鉴别模型;其中,所述训练样本中的特征数据用于训练输入,所述训练样本中的标签数据作为训练针对的标签;以及,所述初始问题的特征数据包括以下至少一种数据:所述初始问题对应的文件名、文件路径、检测规则标识、缩略代码片段、调用链信息;其中,所述检测规则是所述代码检测工具检测到所述初始问题时所采用的。
为实现上述目的,根据本发明的又一方面,提供了一种电子设备。
本发明的一种电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明所提供的针对代码检测结果的审计方法。
为实现上述目的,根据本发明的再一方面,提供了一种计算机可读存储介质。
本发明的一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现本发明所提供的针对代码检测结果的审计方法。
根据本发明的技术方案,上述发明中的实施例具有如下优点或有益效果:
基于人工审计方式确定的误报问题和非误报问题形成训练集来预先训练误报判别模型,当获取代码检测工具针对目标代码的检测结果之后,从检测结果中每一初始问题的详情数据中提取该初始问题的特征数据,并将特征数据输入上述误报判别模型,从而自动识别初始问题中的误报问题,通过以上步骤,能够提升代码审计的效率和准确性,减轻人工审计的工作量,进而提升代码质量,降低系统安全风险,解决了现有完全依赖人工的审计方式中效率低下与误判率高的问题。另外,本发明实施例的误报判别模型为朴素贝叶斯模型与决策树模型的集成模型,能够综合朴素贝叶斯算法分类效率稳定、适合增量式训练的优点和决策树算法易于实现、不需数据准备、能处理多种数据属性的优点,输入误报判别模型的特征为与误报关联性较高的初始问题对应的文件名、文件路径、检测规则标识、缩略代码片段、调用链信息,有利于误报问题的精确识别。此外,本发明实施例还能将以上自动化审计过程与人工审计过程相结合,不断修正、优化模型,进一步提升模型计算准确性。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是本发明实施例中针对代码检测结果的审计方法的主要步骤示意图;
图2是本发明实施例中误报判别模型的训练步骤和使用步骤示意图;
图3是本发明实施例中针对代码检测结果的审计装置的组成部分示意图;
图4是根据本发明实施例可以应用于其中的示例性系统架构图;
图5是用来实现本发明实施例中针对代码检测结果的审计方法的电子设备结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
需要指出的是,在不冲突的情况下,本发明的实施例以及实施例中的技术特征可以相互结合。
图1是根据本发明实施例中针对代码检测结果的审计方法的主要步骤示意图。
如图1所示,本发明实施例的针对代码检测结果的审计方法可具体按照如下步骤执行:
步骤S101:获取代码检测工具针对目标代码的检测结果;其中,检测结果中包括代码检测工具检测出的至少一个初始问题的详情数据。
在本发明实施例中,代码检测工具能够通过对程序源代码的语法、语义、数据流向进行分析,检测出源代码中存在的缺陷和安全漏洞(二者可统称为问题),代码检测工具可以是Klocwork Insight、Coverity、Fortify或者Checkmarx。
一般地,代码检测工具的检测结果中包括检测出的至少一个初始问题的详情数据。初始问题为代码检测工具直接检测出的问题,其相对于下文中的误报问题、第一待定问题和第二待定问题而言。其中,本文中误报问题指的是:检测结果中被代码检测工具误报的问题,即该问题在目标代码中本不存在,但是代码检测工具误认为存在该问题并输出于检测结果中。非误报问题指的是经机器学习模型和/或人工审计方式确定为确实存在的问题(即目标代码中确定存在该问题,代码检测工具也检测到了该问题并将其输出于检测结果中)。第一待定问题和第二待定问题均为暂时无法确定属于误报问题还是非误报问题的问题。
在本文中,采用基于机器学习算法的模型执行以上检测结果的审计。机器学习是实现人工智能的一种方法,其使用算法来解析数据并从中学习,从而对真实世界中的事件做出决策和预测。与传统的为解决特定任务、采用硬编码的软件程序不同,机器学习使用大量的数据来训练,通过各种算法从数据中学习如何完成任务。在本发明实施例中,采用机器学习算法分析代码检测工具的检测结果,计算每一初始问题存在误报的概率,如果概率大于阈值,则认为该初始问题是误报,可执行去除以实现检测结果的审计。以上审计指的是:对上述检测结果进行分析,剔除其中的误报问题从而得到非误报问题的过程。
在步骤S101中,上述详情数据指的是代码检测工具直接输出的关于初始问题的数据,其可以包括初始问题对应的以下至少一种数据:文件名(即初始问题所在的文件名)、文件路径(即初始问题所在文件的路径)、检测规则标识(即代码检测工具检测到相应初始问题时所采用的规则的标识)、缩略代码片段、调用链信息(一般是针对方法的调用链路)、问题标识(该标识能够在目标代码范围区分不同的初始问题)、问题严重性指标、代码行。
作为一个优选方案,在获取到以上检测结果之后,可以首先遍历每一初始问题的详情数据,将详情数据中检测规则标识不属于预设规则标识集合的初始问题确定为误报问题并去除。其中,以上规则标识集合中包括多个规则标识,这些规则表征不存在误报可能的问题类型和暂无法确定是否可能存在误报的问题类型,显然,如果某初始问题的详情数据中的检测规则标识不属于以上规则标识集合,则说明该问题必然是误报问题,此时可将该误报问题去除。
具体应用中,此后还可以根据历史时期的人工审计结果执行进一步过滤,例如在特定情况下利用历史时期的人工审计结果中的问题标识(即误报问题的标识)进行过滤,即判断代码检测工具的检测结果中是否存在与人工审计结果中的问题标识相同的初始问题,如果有,则确定其为误报问题直接去除,剩余的初始问题将执行后续步骤。
步骤S102:从每一初始问题的详情数据中提取该初始问题的特征数据,将每一初始问题的特征数据输入预先训练的误报判别模型,根据误报判别模型的输出结果确定初始问题中的误报问题。
在执行本步骤之前,首先需要训练误报判别模型。较佳地,在本发明实施例中,误报判别模型包括基于不同机器学习算法的第一误报鉴别模型和第二误报鉴别模型。例如,第一误报鉴别模型基于朴素贝叶斯算法构建,第二误报鉴别模型基于决策树算法构建;或者,第二误报鉴别模型基于朴素贝叶斯算法构建,第一误报鉴别模型基于决策树算法构建。
图2是本发明实施例中误报判别模型的训练步骤和使用步骤示意图,如图2所示,第一误报鉴别模型和第二误报鉴别模型中的任一误报鉴别模型通过以下步骤训练。
首先获取已确定属于误报问题还是非误报问题的多个初始问题。实际应用中,可以通过人工审计方式直接确定以上初始问题属于误报问题还是非误报问题,也可以通过人工审计方式对误报鉴别模型的输出结果进行判别从而确定初始问题属于误报问题还是非误报问题。此后将每一初始问题的特征数据与标签数据组合为一个训练样本,以上标签数据用于表征初始问题属于误报问题还是非误报问题。
以上特征数据可以是初始问题详情数据中包含的与是否误报关联性较强的数据,实际应用中,其可以是以下数据中的一种或多种:初始问题对应的文件名、文件路径、检测规则标识、缩略代码片段、调用链信息。其中,检测规则可以是SQL(结构化查询语言)注入、XSS(一种网络攻击方式)注入等,检测规则与初始问题所属的问题类型一致。从文件名和文件路径可以分析出初始问题是否对应于测试代码(测试代码与是否误报相关)。缩略代码片段和调用链展示了代码内容和上下文,例如,若目标代码中采用了字符转义或白名单过滤的方法进行处理,代码检测工具可能会扫描出XSS注入问题,此时可通过缩略代码片段和调用链信息鉴别该问题。优选地,在具有人工审计意见(即相关人员对问题审计的说明)的情况下,上述特征数据还可以包括人工审计意见。
得到训练样本之后,可以依据上述训练样本训练该误报鉴别模型,训练时,训练样本中的特征数据用于输入,训练样本中的标签数据作为训练针对的标签。通过以上步骤,即可完成两个误报鉴别模型的训练。可以了解,在模型训练前,一般需要对数据进行预处理,对不符合质量要求的数据如缺失数据、错误数据等进行清洗。
优选地,在步骤S102中,将每一初始问题的特征数据输入预先训练的第一误报鉴别模型,将第一误报鉴别模型的正向输出结果(表征误报问题)对应的初始问题确定为误报问题,将第一误报鉴别模型的负向输出结果(与正向输出结果相对)对应的初始问题确定为第一待定问题。此后,将每一第一待定问题的特征数据输入预先训练的第二误报鉴别模型,将第二误报鉴别模型的正向输出结果对应的第一待定问题确定为误报问题,将第二误报鉴别模型的负向输出结果对应的第一待定问题确定为第二待定问题。最后,通过人工审计方式确定第二待定问题中的误报问题并去除,可以理解,去除该误报问题后的第二待定问题即为非误报问题。经过以上方式确定的误报问题和非误报问题可以用于第一误报鉴别模型和第二误报鉴别模型的进一步优化训练。
步骤S103:将初始问题中的误报问题去除以实现对检测结果的审计。通过以上步骤,即可实现代码检测工具检测结果中误报问题的准确甄别以及检测结果的高效审计。
在本发明实施例的技术方案中,基于人工审计方式确定的误报问题和非误报问题形成训练集来预先训练误报判别模型,当获取代码检测工具针对目标代码的检测结果之后,从检测结果中每一初始问题的详情数据中提取该初始问题的特征数据,并将特征数据输入上述误报判别模型,从而自动识别初始问题中的误报问题,通过以上步骤,能够提升代码审计的效率和准确性,减轻人工审计的工作量,进而提升代码质量,降低系统安全风险,解决了现有完全依赖人工的审计方式中效率低下与误判率高的问题。另外,本发明实施例的误报判别模型为朴素贝叶斯模型与决策树模型的集成模型,能够综合朴素贝叶斯算法分类效率稳定、适合增量式训练的优点和决策树算法易于实现、不需数据准备、能处理多种数据属性的优点,输入误报判别模型的特征为与误报关联性较高的初始问题对应的文件名、文件路径、检测规则标识、缩略代码片段、调用链信息,有利于误报问题的精确识别。此外,本发明实施例还能将以上自动化审计过程与人工审计过程相结合,不断修正、优化模型,进一步提升模型计算准确性。
需要说明的是,对于前述的各方法实施例,为了便于描述,将其表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,某些步骤事实上可以采用其它顺序进行或者同时进行。此外,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是实现本发明所必须的。
为便于更好的实施本发明实施例的上述方案,下面还提供用于实施上述方案的相关装置。
请参阅图3所示,本发明实施例提供的针对代码检测结果的审计装置300可以包括:检测结果获取单元301、误报判别单元302和审计单元303。
其中,检测结果获取单元301可用于获取代码检测工具针对目标代码的检测结果;其中,所述检测结果中包括所述代码检测工具检测出的至少一个初始问题的详情数据;误报判别单元302可用于从每一初始问题的详情数据中提取该初始问题的特征数据,将每一初始问题的特征数据输入预先训练的误报判别模型,根据所述误报判别模型的输出结果确定所述初始问题中的误报问题;审计单元303可用于将所述初始问题中的误报问题去除以实现对所述检测结果的审计。
在本发明实施例中,所述误报判别模型可包括:基于不同机器学习算法的第一误报鉴别模型和第二误报鉴别模型;以及,所述误报判别单元302可进一步用于:将每一初始问题的特征数据输入预先训练的第一误报鉴别模型,将第一误报鉴别模型的正向输出结果对应的初始问题确定为误报问题,将第一误报鉴别模型的负向输出结果对应的初始问题确定为第一待定问题;将每一第一待定问题的特征数据输入预先训练的第二误报鉴别模型,将第二误报鉴别模型的正向输出结果对应的第一待定问题确定为误报问题,将第二误报鉴别模型的负向输出结果对应的第一待定问题确定为第二待定问题。
作为一个优选方案,所述审计装置300可进一步包括:误报甄别单元,用于:在所述审计单元303将所述初始问题中的误报问题去除之后,通过人工审计方式确定所述第二待定问题中的误报问题并去除;其中,去除该误报问题后的第二待定问题为非误报问题;模型训练单元,用于:对于第一误报鉴别模型和第二误报鉴别模型中的任一误报鉴别模型:获取已确定属于误报问题还是非误报问题的多个初始问题,将每一初始问题的特征数据与标签数据组合为一个训练样本;其中,所述标签数据用于表征初始问题属于误报问题还是非误报问题;依据所述训练样本训练该误报鉴别模型;其中,所述训练样本中的特征数据用于训练输入,所述训练样本中的标签数据作为训练针对的标签;以及,所述初始问题的特征数据包括以下至少一种数据:所述初始问题对应的文件名、文件路径、检测规则标识、缩略代码片段、调用链信息;其中,所述检测规则是所述代码检测工具检测到所述初始问题时所采用的。
较佳地,所述已确定属于误报问题还是非误报问题的多个初始问题为:通过人工审计方式确定属于误报问题还是非误报问题的初始问题,所述训练样本中的特征数据进一步包括:人工审计意见。
具体应用中,所述初始问题的详情数据包括所述初始问题对应的以下至少一种数据:文件名、文件路径、检测规则标识、缩略代码片段、调用链信息、问题标识、问题严重性指标、代码行;其中,所述检测规则是所述代码检测工具检测到所述初始问题时所采用的。
实际应用中,所述审计装置300可进一步包括过滤单元,其用于:在所述获取代码检测工具针对目标代码的检测结果之后,遍历每一初始问题的详情数据,将所述详情数据中检测规则标识不属于预设规则标识集合的初始问题确定为误报问题并去除。
在一个实施例中,第一误报鉴别模型基于朴素贝叶斯算法构建,第二误报鉴别模型基于决策树算法构建;或者,第二误报鉴别模型基于朴素贝叶斯算法构建,第一误报鉴别模型基于决策树算法构建。
此外,在本发明实施例中,所述代码检测工具包括:Klocwork Insight、Coverity、Fortify或Checkmarx。
根据本发明实施例的技术方案,基于人工审计方式确定的误报问题和非误报问题形成训练集来预先训练误报判别模型,当获取代码检测工具针对目标代码的检测结果之后,从检测结果中每一初始问题的详情数据中提取该初始问题的特征数据,并将特征数据输入上述误报判别模型,从而自动识别初始问题中的误报问题,通过以上步骤,能够提升代码审计的效率和准确性,减轻人工审计的工作量,进而提升代码质量,降低系统安全风险,解决了现有完全依赖人工的审计方式中效率低下与误判率高的问题。另外,本发明实施例的误报判别模型为朴素贝叶斯模型与决策树模型的集成模型,能够综合朴素贝叶斯算法分类效率稳定、适合增量式训练的优点和决策树算法易于实现、不需数据准备、能处理多种数据属性的优点,输入误报判别模型的特征为与误报关联性较高的初始问题对应的文件名、文件路径、检测规则标识、缩略代码片段、调用链信息,有利于误报问题的精确识别。此外,本发明实施例还能将以上自动化审计过程与人工审计过程相结合,不断修正、优化模型,进一步提升模型计算准确性。
图4示出了可以应用本发明实施例的针对代码检测结果的审计方法或针对代码检测结果的审计装置的示例性系统架构400。
如图4所示,系统架构400可以包括终端设备401、402、403,网络404和服务器405(此架构仅仅是示例,具体架构中包含的组件可以根据申请具体情况调整)。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等。
用户可以使用终端设备401、402、403通过网络404与服务器405交互,以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用,例如代码审计应用(仅为示例)。
终端设备401、402、403可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器405可以是提供各种服务的服务器,例如对用户利用终端设备401、402、403所操作的代码审计应用提供支持的后台服务器(仅为示例)。服务器405可以对接收到的代码审计请求等进行处理,并将处理结果(例如去除误报代码后的检测结果--仅为示例)反馈给终端设备401、402、403。
需要说明的是,本发明实施例所提供的针对代码检测结果的审计方法一般由服务器405执行,相应地,针对代码检测结果的审计装置一般设置于服务器405中。
应该理解,图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
本发明还提供了一种电子设备。本发明实施例的电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明所提供的针对代码检测结果的审计方法。
下面参考图5,其示出了适于用来实现本发明实施例的电子设备的计算机系统500的结构示意图。图5示出的电子设备仅仅是一个示例,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5所示,计算机系统500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM503中,还存储有计算机系统500操作所需的各种程序和数据。CPU501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本发明公开的实施例,上文的主要步骤图描述的过程可以被实现为计算机软件程序。例如,本发明实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行主要步骤图所示的方法的程序代码。在上述实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元501执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机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。在本发明中,计算机可读信号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,其中承载了计算机可读的程序代码。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、光信号或上述任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、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。计算机可读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、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这根据所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括检测结果获取单元、误报判别单元和审计单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,检测结果获取单元还可以被描述为“向误报判别单元提供初始问题详情数据的单元”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中的。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该设备执行时,使得该设备执行的步骤包括:一种针对代码检测结果的审计方法,其特征在于,包括:获取代码检测工具针对目标代码的检测结果;其中,所述检测结果中包括所述代码检测工具检测出的至少一个初始问题的详情数据;从每一初始问题的详情数据中提取该初始问题的特征数据,将每一初始问题的特征数据输入预先训练的误报判别模型,根据所述误报判别模型的输出结果确定所述初始问题中的误报问题;将所述初始问题中的误报问题去除以实现对所述检测结果的审计。
在本发明实施例的技术方案中,基于人工审计方式确定的误报问题和非误报问题形成训练集来预先训练误报判别模型,当获取代码检测工具针对目标代码的检测结果之后,从检测结果中每一初始问题的详情数据中提取该初始问题的特征数据,并将特征数据输入上述误报判别模型,从而自动识别初始问题中的误报问题,通过以上步骤,能够提升代码审计的效率和准确性,减轻人工审计的工作量,进而提升代码质量,降低系统安全风险,解决了现有完全依赖人工的审计方式中效率低下与误判率高的问题。另外,本发明实施例的误报判别模型为朴素贝叶斯模型与决策树模型的集成模型,能够综合朴素贝叶斯算法分类效率稳定、适合增量式训练的优点和决策树算法易于实现、不需数据准备、能处理多种数据属性的优点,输入误报判别模型的特征为与误报关联性较高的初始问题对应的文件名、文件路径、检测规则标识、缩略代码片段、调用链信息,有利于误报问题的精确识别。此外,本发明实施例还能将以上自动化审计过程与人工审计过程相结合,不断修正、优化模型,进一步提升模型计算准确性。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (17)
1.一种针对代码检测结果的审计方法,其特征在于,包括:
获取代码检测工具针对目标代码的检测结果;其中,所述检测结果中包括所述代码检测工具检测出的至少一个初始问题的详情数据;
从每一初始问题的详情数据中提取该初始问题的特征数据,将每一初始问题的特征数据输入预先训练的误报判别模型,根据所述误报判别模型的输出结果确定所述初始问题中的误报问题;
将所述初始问题中的误报问题去除以实现对所述检测结果的审计。
2.根据权利要求1所述的审计方法,其特征在于,所述误报判别模型包括:基于不同机器学习算法的第一误报鉴别模型和第二误报鉴别模型。
3.根据权利要求2所述的审计方法,其特征在于,所述将每一初始问题的特征数据输入预先训练的误报判别模型,根据所述误报判别模型的输出结果确定所述初始问题中的误报问题,包括:
将每一初始问题的特征数据输入预先训练的第一误报鉴别模型,将第一误报鉴别模型的正向输出结果对应的初始问题确定为误报问题,将第一误报鉴别模型的负向输出结果对应的初始问题确定为第一待定问题。
4.根据权利要求3所述的审计方法,其特征在于,所述将每一初始问题的特征数据输入预先训练的误报判别模型,根据所述误报判别模型的输出结果确定所述初始问题中的误报问题,进一步包括:
将每一第一待定问题的特征数据输入预先训练的第二误报鉴别模型,将第二误报鉴别模型的正向输出结果对应的第一待定问题确定为误报问题,将第二误报鉴别模型的负向输出结果对应的第一待定问题确定为第二待定问题。
5.根据权利要求4所述的审计方法,其特征在于,所述审计方法进一步包括:
在所述将所述初始问题中的误报问题去除之后,通过人工审计方式确定所述第二待定问题中的误报问题并去除;其中,去除该误报问题后的第二待定问题为非误报问题。
6.根据权利要求5所述的审计方法,其特征在于,第一误报鉴别模型和第二误报鉴别模型中的任一误报鉴别模型通过以下步骤训练:
获取已确定属于误报问题还是非误报问题的多个初始问题,将每一初始问题的特征数据与标签数据组合为一个训练样本;其中,所述标签数据用于表征初始问题属于误报问题还是非误报问题;
依据所述训练样本训练该误报鉴别模型;其中,所述训练样本中的特征数据用于训练输入,所述训练样本中的标签数据作为训练针对的标签。
7.根据权利要求6所述的审计方法,其特征在于,所述初始问题的特征数据包括以下至少一种数据:所述初始问题对应的文件名、文件路径、检测规则标识、缩略代码片段、调用链信息;其中,所述检测规则是所述代码检测工具检测到所述初始问题时所采用的。
8.根据权利要求7所述的审计方法,其特征在于,所述已确定属于误报问题还是非误报问题的多个初始问题为:通过人工审计方式确定属于误报问题还是非误报问题的初始问题,所述训练样本中的特征数据进一步包括:人工审计意见。
9.根据权利要求1所述的审计方法,其特征在于,所述初始问题的详情数据包括所述初始问题对应的以下至少一种数据:文件名、文件路径、检测规则标识、缩略代码片段、调用链信息、问题标识、问题严重性指标、代码行;其中,所述检测规则是所述代码检测工具检测到所述初始问题时所采用的。
10.根据权利要求9所述的审计方法,其特征在于,所述审计方法进一步包括:
在所述获取代码检测工具针对目标代码的检测结果之后,遍历每一初始问题的详情数据,将所述详情数据中检测规则标识不属于预设规则标识集合的初始问题确定为误报问题并去除。
11.根据权利要求2所述的审计方法,其特征在于,第一误报鉴别模型基于朴素贝叶斯算法构建,第二误报鉴别模型基于决策树算法构建;或者,第二误报鉴别模型基于朴素贝叶斯算法构建,第一误报鉴别模型基于决策树算法构建。
12.根据权利要求1-11任一所述的审计方法,其特征在于,所述代码检测工具包括:KlocworkInsight、Coverity、Fortify或Checkmarx。
13.一种针对代码检测结果的审计装置,其特征在于,包括:
检测结果获取单元,用于获取代码检测工具针对目标代码的检测结果;其中,所述检测结果中包括所述代码检测工具检测出的至少一个初始问题的详情数据;
误报判别单元,用于从每一初始问题的详情数据中提取该初始问题的特征数据,将每一初始问题的特征数据输入预先训练的误报判别模型,根据所述误报判别模型的输出结果确定所述初始问题中的误报问题;
审计单元,用于将所述初始问题中的误报问题去除以实现对所述检测结果的审计。
14.根据权利要求13所述的审计装置,其特征在于,所述误报判别模型包括:基于不同机器学习算法的第一误报鉴别模型和第二误报鉴别模型;以及,所述误报判别单元进一步用于:
将每一初始问题的特征数据输入预先训练的第一误报鉴别模型,将第一误报鉴别模型的正向输出结果对应的初始问题确定为误报问题,将第一误报鉴别模型的负向输出结果对应的初始问题确定为第一待定问题;将每一第一待定问题的特征数据输入预先训练的第二误报鉴别模型,将第二误报鉴别模型的正向输出结果对应的第一待定问题确定为误报问题,将第二误报鉴别模型的负向输出结果对应的第一待定问题确定为第二待定问题。
15.根据权利要求14所述的审计装置,其特征在于,所述审计装置进一步包括:
误报甄别单元,用于:在所述审计单元将所述初始问题中的误报问题去除之后,通过人工审计方式确定所述第二待定问题中的误报问题并去除;其中,去除该误报问题后的第二待定问题为非误报问题;
模型训练单元,用于:对于第一误报鉴别模型和第二误报鉴别模型中的任一误报鉴别模型:获取已确定属于误报问题还是非误报问题的多个初始问题,将每一初始问题的特征数据与标签数据组合为一个训练样本;其中,所述标签数据用于表征初始问题属于误报问题还是非误报问题;依据所述训练样本训练该误报鉴别模型;其中,所述训练样本中的特征数据用于训练输入,所述训练样本中的标签数据作为训练针对的标签;以及,
所述初始问题的特征数据包括以下至少一种数据:所述初始问题对应的文件名、文件路径、检测规则标识、缩略代码片段、调用链信息;其中,所述检测规则是所述代码检测工具检测到所述初始问题时所采用的。
16.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-12中任一所述的方法。
17.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-12中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110336853.2A CN112948261A (zh) | 2021-03-29 | 2021-03-29 | 针对代码检测结果的审计方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110336853.2A CN112948261A (zh) | 2021-03-29 | 2021-03-29 | 针对代码检测结果的审计方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112948261A true CN112948261A (zh) | 2021-06-11 |
Family
ID=76227343
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110336853.2A Pending CN112948261A (zh) | 2021-03-29 | 2021-03-29 | 针对代码检测结果的审计方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112948261A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109408389A (zh) * | 2018-10-30 | 2019-03-01 | 北京理工大学 | 一种基于深度学习的代码缺陷检测方法及装置 |
CN110990256A (zh) * | 2019-10-29 | 2020-04-10 | 中移(杭州)信息技术有限公司 | 开源代码检测方法、装置及计算机可读存储介质 |
CN111367819A (zh) * | 2020-03-30 | 2020-07-03 | 中国建设银行股份有限公司 | 代码扫描过滤方法及装置 |
CN112131122A (zh) * | 2020-09-27 | 2020-12-25 | 北京软安科技有限公司 | 一种源代码缺陷检测工具误报评估方法及装置 |
-
2021
- 2021-03-29 CN CN202110336853.2A patent/CN112948261A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109408389A (zh) * | 2018-10-30 | 2019-03-01 | 北京理工大学 | 一种基于深度学习的代码缺陷检测方法及装置 |
CN110990256A (zh) * | 2019-10-29 | 2020-04-10 | 中移(杭州)信息技术有限公司 | 开源代码检测方法、装置及计算机可读存储介质 |
CN111367819A (zh) * | 2020-03-30 | 2020-07-03 | 中国建设银行股份有限公司 | 代码扫描过滤方法及装置 |
CN112131122A (zh) * | 2020-09-27 | 2020-12-25 | 北京软安科技有限公司 | 一种源代码缺陷检测工具误报评估方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106557695B (zh) | 一种恶意应用检测方法和系统 | |
CN113590764B (zh) | 训练样本构建方法、装置、电子设备和存储介质 | |
CN111427974A (zh) | 数据质量评估管理方法和装置 | |
CN113282920B (zh) | 日志异常检测方法、装置、计算机设备和存储介质 | |
CN111931186A (zh) | 软件风险识别方法及装置 | |
CN112131292A (zh) | 一种变更数据的结构化处理方法和装置 | |
CN116821903A (zh) | 检测规则确定及恶意二进制文件检测方法、设备及介质 | |
CN112948261A (zh) | 针对代码检测结果的审计方法和装置 | |
CN114266941A (zh) | 一种快速检测图像样本标注成果数据方法 | |
CN114090650A (zh) | 一种样本数据识别方法、装置、电子设备及存储介质 | |
CN113778875A (zh) | 一种系统测试缺陷分类方法、装置、设备及存储介质 | |
CN113450208A (zh) | 贷款风险变动预警、模型训练方法和装置 | |
CN113569879A (zh) | 异常识别模型的训练方法、异常账号识别方法及相关装置 | |
CN112989403A (zh) | 一种数据库破坏的检测方法、装置、设备及存储介质 | |
CN118013963B (zh) | 敏感词的识别和替换方法及其装置 | |
CN117235744B (zh) | 源文件上线方法、装置、电子设备和计算机可读介质 | |
CN115795058B (zh) | 一种威胁建模方法、系统、电子设备及存储介质 | |
CN116756305A (zh) | 关联内部资产的情报处理方法、装置和电子设备 | |
CN115859151A (zh) | 一种识别恶意网站的方法、装置、设备及存储介质 | |
CN116304772A (zh) | 企业画像的构建方法和装置 | |
CN117952100A (zh) | 数据处理的方法、装置、电子设备和存储介质 | |
CN118035701A (zh) | 一种基于图结构的深度伪造模型特征提取方法及其系统 | |
CN113377956A (zh) | 用于预测黑产攻击趋势的方法、装置、电子设备及介质 | |
CN118300860A (zh) | 一种基于机器学习和高级语义映射的电力网络异常检测系统 | |
CN114329471A (zh) | 数据处理方法、装置、电子设备以及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210611 |