CN115017507A - 一种检测源代码篡改的方法、装置、设备及存储介质 - Google Patents

Abstract

本公开的实施例提供了一种检测源代码篡改的方法、装置、设备及存储介质。所述方法包括对待检测源代码进行语义与结构分析构建抽象语法树；结合控制流程图，将所述抽象语法树转换成SSA代码段；获取所述SSA代码段的关键片段并组合得到组合关键片段；将所述待检测源代码的组合关键片段与备份源代码的组合关键片段进行比较，判断所述待检测源代码是否发生篡改。以此方式，实现自动判定源代码是否发生篡改，提高了检查效率。

Description

一种检测源代码篡改的方法、装置、设备及存储介质

技术领域

本申请涉及网络安全技术领域，具体涉及一种检测源代码篡改的方法、装置、设备及存储介质。

背景技术

黑客在发动攻击时，若发现存在源代码泄露，常会对源代码进行篡改，悄无声息地侵入内部，完成攻击过程，人工大批量排查难以实现。亟需一种能够自动判定源码是否被篡改的策略。

发明内容

本公开提供了一种检测源代码篡改的方法、装置、设备及存储介质。

根据本公开的第一方面，提供了一种检测源代码篡改的方法。该方法包括：

对待检测源代码进行语义与结构分析构建抽象语法树；

结合控制流程图，将所述抽象语法树转换成SSA代码段；

获取所述SSA代码段的关键片段并组合得到组合关键片段；

将所述待检测源代码的组合关键片段与备份源代码的组合关键片段进行比较，判断所述待检测源代码是否发生篡改。

根据本公开的第二方面，提供了一种检测源代码篡改的装置。该装置包括：

源代码转换模块，用于将待检测源代码通过语义与结构分析进行转换，构建抽象语法树；

获取SSA代码段模块，用于结合控制流程图，将所述抽象语法树转换成SSA代码段；

切片模块，用于获取所述SSA代码段的关键片段并组合得到组合关键片段；

比较判断模块，用于将所述待检测源代码的组合关键片段与备份源代码的组合关键片段进行比较，判断所述待检测源代码是否发生篡改。

根据本公开的第三方面，提供了一种电子设备。该电子设备包括：存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现如以上所述的方法。

根据本公开的第四方面，提供了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如根据本公开的第一方面和/或第二方面的方法。

本公开通过对待检测源代码进行语义分析与结构分析构建抽象语法树，通过编译器结合控制流程图对抽象语法树得到的待编译单元处理，得到SSA形式的代码段，通过对SSA代码段得到关键片段，根据关键片段中变量的特征信息对关键片段进行组合得到组合关键片段，通过比较备份源代码的组合关键片段和待检测源代码的组合关键片段，可以完成对源代码的检测，发现源代码发生篡改的位置，通过仅对组合关键片段的匹配，不仅实现了自动判定源代码是否发生篡改，而且提高了检查效率。

应当理解，发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。

附图说明

结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。附图用于更好地理解本方案，不构成对本公开的限定在附图中，相同或相似的附图标记表示相同或相似的元素，其中：

图1示出了根据本公开的实施例的检测源代码是否篡改的方法的流程图；

图2示出了根据本公开的实施例的检测源代码是否篡改的装置的框图；

图3示出了能够实施本公开的实施例的示例性电子设备的方框图。

具体实施方式

为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本公开保护的范围。

另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

本公开中，通过对待检测源代码进行语义分析与结构分析构建抽象语法树，通过编译器结合控制流程图对抽象语法树得到的待编译单元处理，得到SSA形式的代码段，通过对SSA代码段得到关键片段，根据关键片段中变量的特征信息对关键片段进行组合得到组合的关键片段，通过比较备份源代码的关键片段和待检测源代码片段，可以完成对源代码的检测，发现源代码发生篡改的位置，通过仅对组合关键片段的匹配，实现了自动判定源代码是否发生篡改，提高了检查效率。

如图1所示，本公开的一个实施例提供了一种检测源代码篡改方法，该方法包括：

S1：对待检测源代码进行语义与结构分析构建抽象语法树。

在一些实施例中，由于选用语义与结构分析构建抽象语法树生成的文件中含有大量节点，不便于分析提取关键代码段，为选择特定的数据及特征，在构建抽象语法树之前，需对源代码进行预处理，即统计并删除空白行及注释行。

构建抽象语法树的过程简述如下：

通过扫描器对输入的源代码（C/C++源代码）进行扫描，对源程序字符流按顺序逐个字符进行扫描，同时根据构词规则，采用正则表达式的方法来识别有用部分作为词法单元，产生一个个词法单元构成的序列用以供后续语法分析，词法分析过程中能够记录每次读入源程序字符行的位置，当发生错误时可以顺利定位错误的位置。语法分析器将源代码标记符按照语法规则转化成语句单元，语句的结构表示基于抽象语法树。抽象语法树树形结构很好表示了代码的静态结构和语法信息，按照树的结构信息很容易知道程序的执行结果。并且源代码采用抽象语法树表示形式还为下一步的检测过程提供了信息基础。

源代码的语义分析是指程序语句中文件间和函数间两个方面的语义关系。抽象语法树包含各种不同的节点类型、变量类型转化过程和计算的优先过程等等各种信息，这些都是语义分析的结果。

S2：结合控制流程图，将所述抽象语法树转换成SSA代码段。

在一些实施例中，将抽象语法树的待编译单元（即经过步骤S1处理得到的抽象语法树）借助编译器结合控制流程图批量转换成架构编译器的框架系统（LLVM）中精简的静态单赋值形式（SSA）的代码段，分析跨程序、函数间关系将相关代码片段拼接得到拼接后的代码片段，并对拼接后的代码片段中的变量标号，形式为“%数字”，便于后期优化处理。

其中，控制流信息基于编程语言的控制语句获取源代码的执行流程，可以通过改变条件判断语句控制程序的执行过程。分析控制语句获取控制流信息可以获取源代码的静态执行逻辑，进而判断是否存在缺陷。如在判断循环语句是否会陷入死循环时，通过获取条件语句和执行语句中条件变量的变化情况判断条件语句的执行过程。如果条件语句变量无变化且内部语句块没有该变量值变化的语句块，那么可以判断代码会陷入死循环，存在缺陷漏洞。

得到的源代码的控制流图包括节点以及节点间的有向边，其中，节点表示基本代码块，节点间的有向边代表控制流路径，有向边中的反向边代表可能存在的循环，采用控制流分析得到控制流图，该控制流图能够通过编译器遍历语法获取语法树的语义信息，从而实现对代码的有效性检验，同时生成一些中间单元，并便于SSA形式的构造。

由于静态单赋值（SSA）形式的三地址码表示，每次赋值都会给一个临时变量新的名字，通过单一赋值可以获得一些之前就定义过的信息，知道具体是用到了哪边的信息，因此相当于获得了一些上下文信息，此种赋值情况使定义-使用关系明确，信息的存储和使用更加方便，也使得一些优化任务变现的更好。

S3：获取所述SSA代码段的关键片段并组合得到组合关键片段。

在一些实施例中，按照关键片段中变量的接口、字段及类间继承等特征信息，分类组合得到组合关键片段。

具体的，根据原有的关键片段确定SSA形式的代码段中的关键片段。其中，原有关键片段通过人工在大量实践工作中收集的数据得到的漏洞特征确定易被篡改的关键片段，即通过此种方式得到原有关键片段。

根据关键片段中变量的接口、字段及类间继承等特征信息，分类组合得到组合关键片段。例如，设定关键片段中的变量Y为标注过的其中一个变量，将关于变量Y的接口、字段及类间继承的关键片段进行组合得到关于变量Y的组合关键片段。类似的可以得到其他变量的组合关键片段。

S4：将所述待检测源代码的组合关键片段与备份源代码的组合关键片段进行比较，判断所述待检测源代码是否发生篡改。

在一些实施例中，对备份源代码进行语义与结构分析构建抽象语法树，结合控制流程图，将抽象语法树转换成SSA代码段，获取关键片段并组合得到备份源代码的组合关键片段。

其中，该组合关键片段与备份源代码的组合关键片段，均为关于各个变量的关键片段，通过对各个变量的组合关键片段得到的代码段进行比较，可以自动判断指定程序的源代码是否发生篡改。

在一些实施例中，根据比较结果判断源代码是否发生篡改。具体的，完全相同，则判定源代码未发生篡改；若不同，则判定源代码发生篡改。

以判断C源代码是否发生篡改的过程为例。首先将C类型的源代码中的待检测代码生成抽象语法树。具体的，根据正则表达式对C源代码进行词法分析，主要是分析输入的每个字母及单词是否为合法字母及单词，接着将通过检测的内容转换为标记序列（Token）传入下一步。通过解析器对标记序列进行扫描，之后进行语法分析，主要分析几个单词的组合是否符合语法结构规则，接着将通过检测的内容以抽象语法树（AST）的形式传入类型检查中，根据属性语法进行语义分析，目的是为了识别像语法结构正确但是语义错误的语句，检查类型错误，并生成进一步处理后的抽象语法树。

将构建后的抽象语法树通过编译器结合控制流程图转换为中间表示（IR），一般转换为三地址码，本公开源代码的中间表示形式为静态单赋值形式的代码段。最后通过从C源代码的静态单赋值形式的所有代码段中得到关键片段的SSA形式的代码段，根据关键片段中变量的特征信息对关键片段进行组合得到优化后的组合关键片段 ，通过备份源代码的组合关键片段和待检测源代码的组合关键片段的比较，自动判断源代码是否发生篡改。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本公开并不受所描述的动作顺序的限制，因为依据本公开，某些步骤可以采用其他顺序或者同时进行。其次，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可选实施例，所涉及的动作和模块并不一定是本公开所必须的。

以上是关于方法实施例的介绍，以下通过装置实施例，对本发明所述方案进行进一步说明。

如图2所示，检测源代码是否篡改的装置，该装置包括：

源代码转换模块210，用于将待检测源代码通过语义与结构分析进行转换，构建抽象语法树；

获取SSA代码段模块220，用于结合控制流程图，将所述抽象语法树转换成SSA代码段；

切片模块230，用于获取所述SSA代码段的关键片段并组合得到组合关键片段；

比较判断模块240，用于将所述待检测源代码的组合关键片段与备份源代码的组合关键片段进行比较，判断所述待检测源代码是否发生篡改。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，所述描述的模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

根据本公开的实施例，通过对源代码进行结构与语义分析构建抽象语法树、结合控制流程图得到SSA形式的代码段，进一步通过组合关键代码段中的变量的特征信息得到组合关键片段，通过比较备份源代码的组合关键片段与待检测源代码的组合关键片段确定源代码是否发生篡改。实现了以下技术效果：

自动检测源代码是否篡改，进一步减少了人工大批量排查的工作量，提高了检测效率，简化了检测流程。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图3示出了可以用来实施本公开的实施例的电子设备300的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

设备300包括计算单元301，其可以根据存储在只读存储器（ROM）302中的计算机程序或者从存储单元308加载到随机访问存储器（RAM）303中的计算机程序，来执行各种适当的动作和处理。在RAM 303中，还可存储设备300操作所需的各种程序和数据。计算单元301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出（I/O）接口305也连接至总线304。

设备300中的多个部件连接至I/O接口305，包括：输入单元306，例如键盘、鼠标等；输出单元307，例如各种类型的显示器、扬声器等；存储单元308，例如磁盘、光盘等；以及通信单元309，例如网卡、调制解调器、无线通信收发机等。通信单元309允许设备300通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元301可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元301的一些示例包括但不限于中央处理单元（CPU）、图形处理单元（GPU）、各种专用的人工智能（AI）计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器（DSP）、以及任何适当的处理器、控制器、微控制器等。计算单元301执行上文所描述的各个方法和处理，例如检测源代码是否发生篡改的方法。例如，在一些实施例中，检测源代码是否发生篡改的方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元308。在一些实施例中，计算机程序的部分或者全部可以经由ROM 302和/或通信单元309而被载入和/或安装到设备300上。当计算机程序加载到RAM 303并由计算单元301执行时，可以执行上文描述的检测源代码是否发生篡改的方法的一个或多个步骤。备选地，在其他实施例中，计算单元301可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行检测源代码是否发生篡改的方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、芯片上系统的系统（SOC）、负载可编程逻辑设备（CPLD）、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD-ROM）、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置（例如，CRT（阴极射线管）或者LCD（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者、触觉输入）来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、或者包括中间件部件的计算系统（例如，应用服务器）、或者包括前端部件的计算系统（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：局域网（LAN）、广域网（WAN）和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (10)

1.一种检测源代码篡改的方法，其特征在于，所述方法包括：

对待检测源代码进行语义与结构分析构建抽象语法树；

结合控制流程图，将所述抽象语法树转换成SSA代码段；

获取所述SSA代码段的关键片段并组合得到组合关键片段；

将所述待检测源代码的组合关键片段与备份源代码的组合关键片段进行比较，判断所述待检测源代码是否发生篡改。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在构建抽象语法树之前，对所述待检测源代码进行预处理，统计并删除空白行及注释行。

3.根据权利要求1所述的方法，其特征在于，所述结合控制流程图，将所述抽象语法树转换成SSA代码段包括：

借助编译器结合控制流程图，将抽象语法树的待编译单元批量转换成架构编译器的框架系统中静态单赋值形式的代码段。

4.根据权利要求1所述的方法，其特征在于，所述获取所述SSA代码段的关键片段包括：

根据预设规则获取所述SSA代码段的关键片段；

其中，所述预设规则是根据对被篡改的源代码样本进行分析得到的。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：所述组合得到组合关键片段包括：

根据所述关键片段中变量的接口、字段及类间继承的特征信息，分类组合得到组合关键片段。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：备份源代码的组合关键片段是通过以下步骤得到的：

对备份源代码进行语义与结构分析构建抽象语法树；

结合控制流程图，将抽象语法树转换成SSA代码段；

获取关键片段并组合得到组合关键片段。

7.根据权利要求1所述的方法，其特征在于，判断所述待检测源代码是否发生篡改具体包括：

根据比较结果判断源代码是否发生篡改；

完全相同，则判定源代码未发生篡改；

若不同，则判定源代码发生篡改。

8.一种检测源代码篡改的装置，其特征在于，包括：

源代码转换模块，用于将待检测源代码通过语义与结构分析进行转换，构建抽象语法树；

获取SSA代码段模块，用于结合控制流程图，将所述抽象语法树转换成SSA代码段；

切片模块，用于获取所述SSA代码段的关键片段并组合得到组合关键片段；

比较判断模块，用于将所述待检测源代码的组合关键片段与备份源代码的组合关键片段进行比较，判断所述待检测源代码是否发生篡改。

9.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。

10.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。

Images