JP2013536522A - プログラミングルール違反に対するソースコードマイニング - Google Patents

Abstract

ソフトウェアコード分析の方法であって、１つの共通パターンにより特徴付けられる１つの命令シークエンスグループを識別するために、１つのソフトウェアソースコード（２３）の本体をコンピュータ（２２）により自動的に処理するステップを有する。その後その共通パターンの１つの基準からの偏移を含むそのグループ内の１つのシークエンスが発見され、そしてそのシークエンスがそのソフトウェアソースコード（２３）の潜在的脆弱性として報告される。
【選択図】図１

Description

本発明は、一般的にコンピュータソフトウェアに関し、特にコンピュータソフトウェアにおけるセキュリティ侵害の自動検知に関するものである。

（関連出願の参照）
本出願は２０１０年８月２４日に出願された米国暫定出願６１／３７６，２６０（特許文献１）の恩恵を要求し、それはここに参照として採り入れられる。

アプリケーションレベルのソフトウェアコードはセキュリティが脆弱な傾向がある。コードの各区画は、実行されると外部入力を許容し、不適切又は不望の行動を引き起こし、それはデータの機密性やシステムの適切なオペレーションを損なう。脆弱性の例としては、バッファオーバーフロー、特権エスカレーションを含む。これらの脆弱性は不適切なプログラミング作業により、プログラマーにより意図的に又は偶然に導入される。

ソフトウェア脆弱性の検知方法は既存技術で公知である。例えばここに参照として採り入れられる特許文献２はアプリケーションレベルの脆弱性に対し自動的にソースコードを分析するツールを記載している。そのツールのオペレーションは統計分析に基づくが、しかし他の種々の技術、例えば難読化コードの取り扱い方法も利用している。

シークエンスマイニングは構造化データマイニングの一種であり、値が連続して発現するデータ例の中から統計的に関連性のあるパターンを発見することに関している。それはシンボルのストリング及びアイテムの規則正しいシークエンス（例えばワード、フレーズ、タグ又はイベント）の両方に適用可能である。

様々なシークエンスマイニングのアルゴリズムが既存技術で知られている。例えば良く使用されるＧＳＰアルゴリズムは非特許文献１に記載され、それはここに参照として採り入れられる。またＳＰＡＤＥとして知られる他のアルゴリズムは非特許文献２に記載され、それはここに参照として採り入れられる。さらに他の１つの検査プログラムはＰｒｅｆｉｘＳｐａｎであり、それは非特許文献３に記載され、それはここに参照として採り入れられる。更なるアルゴリズムは前述の特許文献１に記載されている。

米国暫定出願６１／３７６，２６０ 米国特許出願公報２０１０／００８３２４０

Ｓｒｉｋａｎｄ氏及びＡｇｒａｗａｌ氏共著 「シークエンシャルパターンのマイニング：一般化とパフォーマンス向上」ＥＤＢＴ‘９６第５回データベース拡張に関する国際会議会報：データベース技術の進歩（シュプリンガー出版、１９９６）３−１７頁 Ｚａｋｉ氏著「ＳＰＡＤＥ：頻発シークエンスのマイニングのための効率的アルゴリズム」マシンラーニング４２（２００１）、３１−６０頁 Ｐｅｉ氏他著「パターン成長によるシークエンシャルパターンのマイニング：ＰｒｅｆｉｘＳｐａｎアプローチ」ＩＥＥＥ知識及びデータエンジニアリングに関する報告書 １６：１０（２００４）１４２４−１４４０頁

以下に記載される本発明の実施形態はシークエンスマイニング技術をソフトウェアソースコード内の脆弱性を示すパターンを発見するために適用する。
従って本発明の１実施形態によれば、ソフトウェアコード分析の方法であって、共通パターンにより特徴付けられる命令シークエンスのグループを識別するために、ソフトウェアソースコードの本体をコンピュータにより自動的に処理するステップと；共通パターンの基準からの偏移を含むグループ内のシークエンスを発見するステップと；そして偏移をソフトウェアソースコード内の潜在的脆弱性として報告するステップと；を有することを特徴とするソフトウェアコード分析の方法が提供される。

開示された実施形態ではソフトウェアソースコードの本体を処理するステップは、コードのドキュメントオブジェクトモデル（ＤＯＭ）を生成するステップと、そしてＤＯＭをシークエンスの識別に適用するステップを有する。
ある実施形態では、ソフトウェアソースコードの本体を処理するステップは、コードを基準化するステップと、そして基準化されたコード内でシークエンスを識別するステップを有する。典型的にコードを基準化するステップは、コード内に所定のタイプのエンティティの名前を発見するステップと、そしてコードに出現する名前をタイプのインジケータと置き換えるステップを有する。名前がタイプのインジケータと置き換えられたエンティティは、変数及び／又は定数からなってよい。さらにあるいは、コードがオブジェクト指向言語で書かれている場合、名前が置き換えられた前記エンティティは、クラス及び／又はメンバーからなる。

またさらにあるいは、コードを基準化するステップは、コード内に所定のタイプの制御ブロックを発見するステップと、ここにそれぞれの制御ブロックはコードのラインを有し、そして、コードのラインを、制御ブロックのタイプに対し事前定義されたフォーマットの、コードのラインに対応する一連のタグと置き換えるステップを有する。
開示された実施形態では、ソフトウェアコードの本体を処理するステップは、コードを一連のタグに変換するステップと、そしてシークエンスマイニングアルゴリズムを適用して一連のタグ内に出現するグループ内のシークエンスを識別するステップを有する。

一般的に、シークエンスのグループは、基準と、基準からのシークエンスのそれぞれの距離の分布により特徴付けられる推計学的なグループであり、ここにおいて偏移を含むシークエンスを発見するステップは、基準からのそれぞれの距離が事前定義された閾値を超える１つ以上のシークエンスを発見するステップを有する。シークエンス内の偏移は例えば、ソフトウェアコード内の欠落したオペレーション、要注意オペレーションを実行する許可のチェック漏れ、規定の呼び出しシークエンスの順守違反、コード内に残されたバックドア、又はコード内で実行されるビジネスロジックの誤りを含む。

本発明の１実施形態によれば、ソフトウェアソースコードの本体を記憶するように構成されたメモリと、そして共通パターンにより特徴付けられる命令シークエンスのグループを識別するために、ソフトウェアソースコードを自動的に処理し、共通パターンの基準からの偏移を含むグループ内のシークエンスを発見し、そして偏移をソフトウェアソースコード内の潜在的脆弱性として報告するように構成されるプロセッサと、を有することを特徴とするソフトウェアコード分析用の機器器がさらに提供される。

本発明の１実施形態によればさらに、コンピュータソフトウェア製品であって、プログラム命令が記憶されるコンピュータ読み取り可能媒体を有し、その命令はコンピュータに読み取られた時に、コンピュータに対し、共通パターンにより特徴付けられる命令シークエンスのグループを識別するために、ソフトウェアソースコードの本体を処理し、共通パターンの基準からの偏移を含むグループ内のシークエンスを発見し、そしてその偏移をそのソフトウェアソースコード内の潜在的脆弱性として報告するようにさせる、 ことを特徴とするコンピュータソフトウェア製品がさらに提供される。

本発明の実施形態による、ソースコード分析のシステムを概略示すブロック図である。 本発明の実施形態による、ソースコード分析の方法を概略示す流れ図である。 本発明の実施形態による、制御ステートメントをタグのシークエンスに変換する方法を概略示すブロック図である。 本発明の実施形態による、コードセグメントをタグのシークエンスに変換する方法を概略示すテーブルである。 本発明の実施形態による、コードセグメントを基準化されたメンバー名を持つタグのシークエンスに変換する方法を概略示すテーブルである。

上記の特許文献１で記載されるような従来技術で公知のソフトウェア分析ツールでは、ユーザがセキュリティ侵害を便利に探索し識別できるような方法でソフトウェアコードの構造と流れを抽出し、分析する。しかしこれらのツールはユーザが何を探すか知っている、即ち、構造と流れの問題のあるパターンが事前に定義され、そしてその後に問題のあるパターンがコード構造内で探索される。

以下で記述される本発明の実施形態は、コード内の潜在的に問題のあるパターンを経験的定義を必要とせず、さらにそのパターンに関する知識すらなくても、自動的に発見することによりこの限界を克服する。開示される方法は、既存技術で公知のシークエンスマイニングツールを使用するが、しかしそれはコンピュータソフトウェアの分析にはいまだかつて使用されたことが無い。一般的には、シークエンスマイニングは、限定されたアルファベット又はコンステレーションから取り出され、そして一定のフォーマットに編成されたシンボル又はタグのシークエンスに対し最も効果を発揮する。従って以下に開示される実施形態では、シークエンスマイニングが適用される以前にソフトウェアコードは基準化されている−事前設定された形式の対応するタグのシークエンスに変換されている。本特許出願及び請求項においては、「タグ」とはテキスト形式のラベルを意味する。

以下に記載される実施形態では、コンピュータはシークエンスマイニングを使用して自動的にソフトウェアソースコードの本体を処理し、それぞれの共通パターンにより特徴付けられる１つ以上の命令シークエンスのグループを識別する。パターンは事前に定義される必要はないが、しかしむしろコード（又は具体的には、対応するタグシークエンス）の統計的特性に基づいて識別される。このシークエンスマイニングにより識別されたシークエンスグループは一般的に推計学的グループであり、それはそのグループ内のシークエンスは統計的に類似しているが同一ではないことを意味する。このようなグループは、通常グループ内の平均的パターンに相当する１つの基準、及びそれぞれのシークエンスの基準からの距離の分布により特徴付けられる。ここで「距離」とは一般的にレーベンシュタイン距離のような編集距離を意味し、それは所定のシークエンス内のタグと基準の間の（挿入、削除及び置き換えのような）相違の数を示す。

可能性のある脆弱性を識別するため、コンピュータは基準から有意に偏移したグループ内のシークエンス、即ち基準からの距離が一定の閾値（ユーザにより設定されてもよい）を超えるシークエンスを発見する。これらの偏移は場合によっては、要注意オペレーションの前の適切な許可チェックの実行漏れ；規定された呼び出しシークエンスの順守違反；プログラマーがコード内に留置したバックドア；又はコード内で実行されるビジネスロジックの誤り；などの脆弱性を示す。コンピュータはグループの基準からの偏移をソフトウェアソースコード内の潜在的脆弱性として報告する。

本発明のある実施形態では、基準化プロセスは、コード内のシークエンス間のあるタイプの相違を「滑らかにする」ステップ、即ちコード内に存在する同じタイプの用語又は構造の多くの変化形を１つの共通の用語又は構造に置き換えるステップを含む。このプロセスはコードを一般化し、それにより類似のシークエンスがさらにほぼ同一となり、シークエンスマイニングにより識別可能になる。一般化のレベルは、脆弱性を示唆する可能性のある相違を隠すことなく、意味のあるシークエンスグループの発見を促進するように選択される。本願の発明者は、例えば、変数、定数、クラス及び／又はメンバーなどの所定のタイプのエンティティの名前を発見し、そしてコード内に現れているその名前をそのタイプの１つのインジケータと置き換えることにより、効果的な基準化が実行可能であることを発見した。さらにあるいは、制御ブロック内のコードのラインが、その制御ブロックのタイプに対し事前定義された１つのフォーマットの一連のタグに置き換えられてもよい。

ここに記載される実施形態は、説明のため、ある特定の基準化技術を参照しているが、他の適用可能な基準化技術も本特許出願を読んだ当業者には自明であり、本発明の範囲内であると見做されるべきである。基準化技術およびシークエンスマッピングアルゴリズムの適切な選択は分析対象のコードの性質及び対象の脆弱性に依存し、その選択は本発明の開示に基づいてそれぞれのケースの当業者が決定可能である。

（システムと方法の記述）
本発明の１実施形態による、ソースコード分析のシステム２０及び方法を概略示す図１及び図２を参照する。図１はシステムのブロック図であり、一方図２は方法の主要ステップを示す流れ図である。システム２０の構成要素は上記の特許文献２で記載されるソースコード分析システムのそれと類似しており、それに本特許出願で記載されるシークエンスマイニング関連の能力が追加されている。簡略化のため、ここではこれらの追加された能力についてのみ記載する。

システム２０はプロセッサ２２を有し、それは一般的に汎用または特殊用途のコンピュータ内に配置され、以下に記載される機能を実行するためソフトウェアでプログラムされる。ソフトウェアはプロセッサ２２に電子形態で、例えばネットワーク経由でダウンロードされてもよい。さらにあるいは、磁気、光学又は電子メモリのような接触可能な非一過性コンピュータ読み取り可能媒体の上に提供され及び／又は記憶されてもよい。またさらにあるいは、プロセッサ２２の機能の少なくとも幾つかは適切なプログラム可能ロジック回路により実行されてもよい。

プロセッサ２２はソースコード２３の本体を分析のために受け取る。プロセッサはコード分析及び基準化モジュール２４（通常ソフトウェアモジュールとして実現される）を起動し、シークエンスマイニングの準備としてコードを事前処理する。モジュール２４はコード分析ステップ４０において、ドキュメントオブジェクトモデル（ＤＯＭ）及びコードの流れ図を獲得する。流れ図はデータ流れ図（ＤＦＧ）、制御流れ図（ＣＦＧ）及び制御依存図（ＣＤＧ）を含んでもよい。ＤＯＭおよびこれらの図の派生物は、例えば特許文献２に記載されている。プロセッサ２２は以降のデータへのアクセスを容易にするため、通常データベースの形態でメモリ２６内に分析結果を記憶する。

下記の付属ＡのリストＩは、単一機能のソースコードリストを示し、それは本発明の１実施形態によるＤＯＭ構築とその後の基準化を示すのに使用される。結果として得られるＤＯＭが付属ＡのリストＩＩに示される。残りのリストは以下に記述するようにＤＯＭの基準化における後続の段階を示す。

モジュール２４は基準化ステップ４２でソースコードを基準化する。基準化はコード自体又はＤＯＭ（又は両方）に適用されてよい。そして単純化と完全性のためこれら全ての基準化の形式はここではコードの基準化と呼ばれる。「基準化されたコード」とはソースコード自体又はＤＯＭを含むソースコード派生物の基準化された形式を言う。あるいは、流れ図の要素もシークエンスマイニング用に基準化されてもよい。

シークエンスマイニングモジュール２８は、シークエンスマイニングステップ４４において、基準化されたコードをスキャンし推計学的シークエンスパターンを発見する。モジュール２８は従来技術で公知のいかなる適合するシークエンスマイニングアルゴリズム又はアルゴリズムの組合せを使用してもよい。このようなアルゴリズムの例には、ＳＰＡＭ，ＬＡＰＩＮ，ＣｌｏＳｐａｎおよびＢＩＤＥのほか、上記（背景技術）の項で述べたＧＳＰ，ＳＰＡＤＥ及びＰｒｅｆｉｘＳｐａｎを含む。（これらアルゴリズムの多くを実行するＪａｖａ（登録商標）コードがＳＰＭＦウェブサイトｗｗｗ．ｐｈｉｌｉｐｐｅ−ｆｏｕｒｎｉｅｒ−ｖｉｇｅｒ．ｃｏｍ／ｓｐｍｆ．からダウンロード可能である。）一般的にステップ４４においてモジュール２８はステップ４０とステップ４２で生成された基準化されたＤＯＭを処理する。さらにあるいは、モジュール２８はソースコード及び／又は１つ以上の流れ図を処理してもよい。

シークエンスマイニングモジュール２８は共通のパターンで特徴付けられる命令シークエンスグループを識別する。システム２０のユーザは一般的にモジュールが発見すべきグループの半径、即ち１つの所与のグループ内のメンバー間の最大距離（適切な距離尺度を使用して）を設定する。このようなそれぞれのグループの中で、モジュール２８は、グループの共通パターンの基準から所定の閾値、これも同様にユーザにより設定されてもよいが、を超えて偏移している１つ以上のシークエンスを発見してもよい。下記の付属Ｂはここで使用可能なシークエンスマイニング技術のさらなる詳細と事例を示す。

モジュール２８は、報告ステップ４６において、これらの偏移をデータディスプレイなどの出力デバイス３０経由で報告する。レポートは、脆弱性を理解し補修するというシステム２０のユーザに対する仕事を放棄して、単にソースコード内で潜在的脆弱性が疑われるコードセグメントの識別を含んでもよい。さらにあるいは、モジュール２８は、偏移シークエンス内の特定の瑕疵を指摘するため、偏移パターンをさらに分析してもよい。

（実施の詳細と事例）
基準化ステップ４２はコードに対する多くの異なるオペレーションを通常含む。例えば、コードの名前、値、割り当て及び条件は以下のように基準化できる：
・ローカル変数名はそれらのタイプに置き換えられる。
・定数は一般的にタイプ情報付きのＣＯＮＳＴとラベル付けされる。
・割り当ては関数呼び出しから除外される。
・メソッド呼び出しは、割り当て、条件、及び他の制御コマンドから除外される。（例えば、図５のシークエンス７２の「Ｒｅｃｔ＝Ｉｔｅｍ．ＧｅｔＢｏｕｎｄｓ（）：Ｒｅｃｔ」参照）
・関係演算子は基準化される。例えば：

付属ＡのリストＩＩＩは上記の最初の２つの基準化オペレーション適用後のリストＩＩのＤＯＭを示す。

基準化処理の他の部分として、コード内の制御ステートメントが１つのフォーマットに作り直され、それにより各制御ブロックが一貫したフォーマットのタグシークエンスとして表現される。例えばつぎの形の「ｉｆ」ステートメント：

は次のフォーマットのタグシークエンスとして作り直される：

（図５のシークエンス７２のタグシークエンス「ＩＦ．．ＥＬＳＥ．．ＥＮＤ−ＩＦ」で示されるように）。

もう１つの事例として、図３は本発明の１実施形態による、「ｆｏｒ」制御ステートメント４８をタグ５２のシークエンス５０に変換する方法を概略示すブロック図である。図の例においてステートメント４８：

は対応するタグシークエンス５０として作り直される：

図４は本発明の１実施形態による、コードセグメント６０をタグシークエンス６２に変換する方法を概略示すデーブルである。図の矢印は、コードのラインと基準化後にそれらを置き換えるタグとの間の対応関係を示す。詳細には、コードセグメント６０は「ｗｈｉｌｅ（＜ｃｏｎｄ＞）＜ｂｏｄｙ＞」という一般形の「ｗｈｉｌｅ」ループ６４を有する。ループ６４は以下のフォームのタグのサブシークエンス６６に作り直される：

シークエンス６２はまた「ｉｆ」ステートメントの基準化及び前述の名前と定数のタイプへの変換を示している。例えば、セグメント６０の変数表現「ｉｎｔ ｄ＝０」はシークエンス６２のタグ「ｉｎｔ＝ＺＥＲＯ」に変換される。

図に示される事例は実際のソースコードの基準化を示すが、実務的にはこれらの基準化技術は通常ソースコードから生成されるＤＯＭに適用される。制御ブロックをタグシークエンスに変換することは、当初のＤＯＭの階層構造を平坦にする効果が有る。リストＩＶはリストＩＩ，ＩＩＩのＤＯＭの制御ステートメントにこの種の平坦化を適用する効果を示す。

図５は本発明の１実施形態による、コードセグメント７０を基準化されたクラスとメンバー名を有するタグシークエンス７２に変換する方法を概略示すデーブルである。この種の基準化は特にオブジェクト指向プログラミング言語で書かれたコードの基準化に適用可能である。このリストはたまたま「ｉｆ」ステートメントの平坦化を示している。

クラス名に対する基準化ルールは以下を含む（この内幾つかは図５に示される）：
・グローバルに定義された（パブリック）クラスは名前で使用される。（例えば、シークエンス７２の「Ｉｔｅｍ．Ｇｅｔｂｏｕｎｄ．．．」）
・パブリック及び保護内部クラスは名前で使用される。プライベート内部クラスの名前は通常タグ「ＣＬＡＳＳ」と「ＭＥＭＢＥＲ」により置換される。
・メソッド−ローカルクラスの名前はタグ「ＣＬＡＳＳ」と「ＭＥＭＢＥＲ」により置換される。
・プライベート内部クラスのメンバーは（それらの可視性に関わらず）対応する外部クラスのメンバーとして取り扱われる。

メンバー名に対する基準化ルールは以下を含む（この内幾つかは図５に示される）：
・パブリックメンバー名はそれぞれのタイプ情報に付随する名前に置換される。（例えば、示されるようにタグ「Ｒｅｃｔ＝Ｉｔｅｍ．ＧｅｔＢｏｕｎｄｓ（）：Ｒｅｃｔ」により）
・保護メンバー名はそれぞれのタイプ情報に付随する名前に置換されてもよい。
・プライベートメンバーの名前はそれぞれのタイプ情報が付随したタグ「ＣＬＡＳＳ」と「ＭＥＭＢＥＲ」により置換される。
・所与の名前が多相性の場合は、全ての後継に亘って一般化するため基本タイプが使用されてもよい。

一度上記の基準化ステップがソフトウェアソースコード由来のＤＯＭに実行されると、ＤＯＭは当初の階層的機能的構造に替わってタグシークエンスに実質的に平坦化される。付属ＡのリストＶはこの種の完全に平坦化されたＤＯＭを示す。

本願の発明者は基準化されたＤＯＭに対するシークエンスマイニングが以下の事例を含む（しかしそれに限定されないが）種々のコード脆弱性を検知するのに有効であることを発見した：
・オペレーションの喪失（例えばキャッチブロックのロギング）
キャッチブロック（通常Ｊａｖａ（登録商標）における例外処理に使用される）は通常一定のロギングオペレーションを含む。開発者は時々ロギングオペレーションの使用を忘れる。シークエンスマイニングはタグの正常なシークエンス「Ｔｒｙ−＞ＳｅｎｓｉｔｉｖｅＯｐｅｒａｔｉｏｎ−＞Ｃａｔｃｈ−＞Ｌｏｇ」を識別し、従ってこのルールを破るコード内のシークエンスを発見する。

・条件テストを必要とする関数（例えば、ユーザ認証）
多くの場合、要注意オペレーションはユーザが認証された又は特定の許可を与えられた後にのみ呼び出される。シークエンスマイニングは正常なシークエンス「ＩｆＵｓｅｒｓＡｕｔｈｅｎｔｉｃａｔｅｄ−＞ＤｏＳｅｎｓｉｔｉｖｅＯｐｅｒａｔｉｏｎ」を識別し、そしてそれによってユーザ許可の事前チェック無く「要注意オペレーション」が呼び出されたシークエンスを発見する。

・共通呼び出しシークエンス（時々破られる）
ウェブサイトのクロスサイトスクリプティング脆弱性は、悪意のクライアント側スクリプトを他のユーザが閲覧するウェブページに注入することを許す。この問題を軽減するためヘルパー関数（．ＮＥＴ環境におけるＨＴＭＬＥｎｃｏｄｅのような）を呼び出し、１人のユーザにより入力されたストリングをそのユーザに応答する前に「修正」することが一般的である。シークエンスマイニングはヘルパー関数を正しい順番で呼び出す正確なパターンを学習し、そしてこの順番からの偏移を識別する。

・バックドア
プログラマーは多くの場合ユーザ許可がチェックされる場所にコード内バックドアを設置する。例えばステートメント：「Ｉｆ（ＵｓｅｒｓＡｄｍｉｎｉｓｔｒａｔｏｒ ｏｒ Ｕｓｅｒｎａｍｅ＝‘ＭａｔｙＳＩＭＡＮ’）はプログラマーＭａｔｙ Ｓｉｍａｎ用のバックドアを作るのに使用可能である。シークエンスマイニングは、正確な許可シークエンスを学習し、そしてコード内にバックドアが残された場合に発生する偏移を識別するために使用可能である。

・ビジネスロジックの喪失
ビジネスプロセスは多くの場合、パラメータに対しアクションを起こす前に、そのパラメータが適切な領域にあるかの認証を必要とする。例えば、顧客にある商品をある価格で購入したことに対し請求を起こす前に、商品の価格と数量が正の値であることが認証されなくてはならない（そうでなければ顧客は請求されるのではなくクレジットを与えられてしまうからである）。シークエンスマイニングは、パラメータ認証関数を含む正常な販売オペレーションのパターンを学習し、そしてその後適切な認証が呼び出されなかったケースを識別する。

上記の実施形態は事例として引用され、そして本発明は上記で特に図示され記載されたものに限定されない。むしろ本発明の範囲は、上記の記載を読んだ当業者が想起するであろう、既存技術に開示されない、ここに記載された種々の特徴の組合せ及びサブ組合せの両方及び変化形や変更を含む。

（付属Ａ−サンプルコードリスト）
（リストＩ−生のソースコード）

（リストＩＩ−ＤＯＭに変換されたコード）

（リストＩＩＩ−変数名がタイプに変換される）

（リストＩＶ−制御ステートメントの平坦化）

（リストＶ−ＤＯＭツリーが配列に平坦化される）

（付属Ｂ−シークエンスマイニングの詳細と実施例）
ソフトウェアコードから得られたタグシークエンスのシークエンスマイニングの準備として、システム２０のオペレータは３つの「定数」（パラメータ値）を定義する：
Ａ．「サポート」値−「共通」シークエンスとして見做されるための最小出現回数。
Ｂ．「最小長さ」―受容可能な最短シークエンス（これがないと、多くの単一アイテムのシークエンスが「共通」と見做される。）
Ｃ．「コンフィデンス」−（Ｘ−＞Ｙ）のコンフィデンスとは：我々がサブシークエンスＸに出会う場合に、Ｙに出会う確立である。例えば、我々がストリング「ａｂｃｄｅｆｇ」に出会うと、それに「ｈｉｊ」が続く可能性が高い−従ってコンフィデンスが高い（事例に対し５０％）。
以下の事例では我々はサポートレベル「６０」、最小長さ「３」そしてコンフィデンス「５０％」と設定する。

コードの本体が以下のテーブルに示されるシークエンスを含むとする：コードシークエンス「ｆ１（）；ｆ２（）；ｆ３（）；」はコード内に８０回現れ；シークエンス「ｆ１（）；ｆ４（）；ｆ２（）；ｆ３（）；」は２０回現れ；以下同様：

これらのシークエンスを処理するため、シークエンスマイニングモジュール２８は最初にそれぞれの（サブ）シークエンスが出現する回数を発見する。モジュールは単一アイテムシークエンスから始める：

アプリオリ法則によれば、ある１つのシークエンスはそのサブシークエンスより多い回数出現することはできない。（例えば、Ｆ５（）を含むあるシークエンスは、Ｆ５（）自体より多い回数出現できない。）従って、モジュール２８は我々の定義したサポートレベル（６０）を満たない全てのサブシークエンスを除外することができ、以下が残る：

ここでモジュール２８は、上記のアイテムに基づいて可能な全ての２アイテムシークエンスを組み立てる。ここでは：
Ａ．順番は重要である。
Ｂ．２つのアイテムは隣接する必要はない。

回数「ゼロ」を除外すると以下が得られる：

我々は最小長さを「３」と定義したが上記の表はまだ長さ「２」なので、モジュール２８はシークエンス構築ステップを再び繰り返して以下の表を得る：

従って、サポートレベルと最小長さの基準を満たす唯一の共通シークエンスはｆ１（），ｆ２（），ｆ３（）である。

最初の表に戻って、モジュール２８は事前設定のコンフィデンスより低い共通シークエンスｆ１（），ｆ２（），ｆ３（）のインスタンスを取り除く：

シークエンス（ｆ１−ｆ２−ｆ３）の１００回の出現の内、２０％が最初の２つのアイテムの間にｆ４を含み、一方８０％は含まない。従ってシークエンス（ｆ１−ｆ４−ｆ２−ｆ３）は共通シークエンスを含むが、我々が設定したコンフィデンスレベルを満たさない。結果としてモジュール２８は、この後者のシークエンスをソフトウェアコード内の脆弱性を示唆する可能性がある偏移として識別する。

Claims (42)

1. ソフトウェアコード分析の方法であって、
   共通パターンにより特徴付けられる命令シークエンスのグループを識別するために、ソフトウェアソースコードの本体をコンピュータにより自動的に処理するステップと；
   前記共通パターンの基準からの偏移を含む前記グループ内のシークエンスを発見するステップと；そして
   前記偏移を前記ソフトウェアソースコード内の潜在的脆弱性として報告するステップと；
   を有することを特徴とするソフトウェアコード分析の方法。
2. 前記ソフトウェアソースコードの本体を処理するステップは、前記コードのドキュメントオブジェクトモデル（ＤＯＭ）を生成するステップと、そして前記ＤＯＭを前記シークエンスの識別に適用するステップを有する、ことを特徴とする請求項１に記載の方法。
3. 前記ソフトウェアソースコードの本体を処理するステップは、前記コードを基準化するステップと、そして前記基準化されたコード内で前記シークエンスを識別するステップを有する、ことを特徴とする請求項１に記載の方法。
4. 前記コードを基準化するステップは、前記コード内に所定のタイプのエンティティの名前を発見するステップと、そして前記コードに出現する前記名前を前記タイプのインジケータと置き換えるステップを有する、ことを特徴とする請求項３に記載の方法。
5. 名前が前記タイプのインジケータと置き換えられた前記エンティティは、変数及び定数からなるエンティティのグループから選択される、ことを特徴とする請求項４に記載の方法。
6. 前記コードはオブジェクト指向言語で書かれ、そして名前が前記タイプのインジケータと置き換えられた前記エンティティは、クラスとメンバーからなるエンティティのグループから選択される、ことを特徴とする請求項４に記載の方法。
7. 前記コードを基準化するステップは、前記コード内に所定のタイプの制御ブロックを発見するステップと、ここにそれぞれの前記制御ブロックは前記コードのラインを有し、そして、前記コードのラインを、前記制御ブロックのタイプに対し事前定義されたフォーマットの、前記コードのラインに対応する一連のタグと置き換えるステップを有する、ことを特徴とする請求項３に記載の方法。
8. 前記ソフトウェアコードの本体を処理するステップは、前記コードを一連のタグに変換するステップと、そしてシークエンスマイニングアルゴリズムを適用して前記一連のタグ内に出現する前記グループ内の前記シークエンスを識別するステップを有する、ことを特徴とする請求項１−７のいずれかに記載の方法。
9. 前記シークエンスのグループは、前記基準と、前記基準からの前記シークエンスのそれぞれの距離の分布により特徴付けられる推計学的なグループであり、ここにおいて前記偏移を含むシークエンスを発見するステップは、前記基準からのそれぞれの距離が事前定義された閾値を超える１つ以上の前記シークエンスを発見するステップを有する、ことを特徴とする請求項１−７のいずれかに記載の方法。
10. 前記シークエンスにおける偏移は前記ソフトウェアコード内の欠落したオペレーションを含む、ことを特徴とする請求項１−７のいずれかに記載の方法。
11. 前記シークエンスにおける偏移は、要注意オペレーションを実行する許可のチェック漏れを含む、ことを特徴とする請求項１−７のいずれかに記載の方法。
12. 前記シークエンスにおける偏移は、規定の呼び出しシークエンスの順守違反を含む、ことを特徴とする請求項１−７のいずれかに記載の方法。
13. 前記シークエンスにおける偏移は、前記コード内に残されたバックドアに関連する、ことを特徴とする請求項１−７のいずれかに記載の方法。
14. 前記シークエンスにおける偏移は、前記コード内で実行されるビジネスロジックの誤りを含む、ことを特徴とする請求項１−７のいずれかに記載の方法。
15. ソフトウェアソースコードの本体を記憶するように構成されたメモリと、そして
    共通パターンにより特徴付けられる命令シークエンスのグループを識別するために、前記ソフトウェアソースコードを自動的に処理し、前記共通パターンの基準からの偏移を含む前記グループ内のシークエンスを発見し、そして前記偏移を前記ソフトウェアソースコード内の潜在的脆弱性として報告するように構成されるプロセッサと、
    を有することを特徴とするソフトウェアコード分析用の機器。
16. 前記プロセッサは、前記コードのドキュメントオブジェクトモデル（ＤＯＭ）を生成し、そして前記ＤＯＭを前記シークエンスの識別に適用するように構成される、ことを特徴とする請求項１５に記載の機器。
17. 前記プロセッサは、前記コードを基準化し、そして前記基準化されたコード内で前記シークエンスを識別するように構成される、ことを特徴とする請求項１５に記載の機器。
18. 前記プロセッサは、前記コード内に所定のタイプのエンティティの名前を発見し、そして前記コードに出現する前記名前を前記タイプのインジケータと置き換えるように構成される、ことを特徴とする請求項１７に記載の機器。
19. 名前が前記タイプのインジケータと置き換えられた前記エンティティは、変数及び定数からなるエンティティのグループから選択される、ことを特徴とする請求項１８に記載の機器。
20. 前記コードはオブジェクト指向言語で書かれ、そして名前が前記タイプのインジケータと置き換えられた前記エンティティは、クラスとメンバーからなるエンティティのグループから選択される、ことを特徴とする請求項１８に記載の機器。
21. 前記コードを基準化するステップは、前記コード内に所定のタイプの制御ブロックを発見するステップと、ここにそれぞれの前記制御ブロックは前記コードのラインを有し、そして、前記コードのラインを、前記制御ブロックのタイプに対し事前定義されたフォーマットの、前記コードのラインに対応する一連のタグと置き換えるステップを有する、ことを特徴とする請求項１７に記載の機器。
22. 前記プロセッサは、前記コードを一連のタグに変換し、そしてシークエンスマイニングアルゴリズムを適用して前記一連のタグ内に出現する前記グループ内の前記シークエンスを識別するように構成される、ことを特徴とする請求項１５−２１のいずれかに記載の機器。
23. 前記シークエンスのグループは、前記基準と、前記基準からの前記シークエンスのそれぞれの距離の分布により特徴付けられる推計学的なグループであり、ここにおいて前記偏移を含む前記シークエンスを発見するステップは、前記基準からのそれぞれの距離が事前定義された閾値を超える１つ以上の前記シークエンスを発見するステップを有する、ことを特徴とする請求項１５−２１のいずれかに記載の機器。
24. 前記シークエンスにおける偏移は前記ソフトウェアコード内の欠落オペレーションを含む、ことを特徴とする請求項１５−２１のいずれかに記載の機器。
25. 前記シークエンスにおける偏移は、要注意オペレーションを実行する許可のチェック漏れを含む、ことを特徴とする請求項１５−２１のいずれかに記載の機器。
26. 前記シークエンスにおける偏移は、規定の呼び出しシークエンスの順守の失敗を含む、ことを特徴とする請求項１５−２１のいずれかに記載の機器。
27. 前記シークエンスにおける偏移は、前記コード内に残されたバックドアに関連する、ことを特徴とする請求項１５−２１のいずれかに記載の機器。
28. 前記シークエンスにおける偏移は、前記コード内で実行されるビジネスロジックの誤りを含む、ことを特徴とする請求項１５−２１のいずれかに記載の機器。
29. コンピュータソフトウェア製品であって、
    プログラム命令が記憶されるコンピュータ読み取り可能媒体を有し、
    前記命令はコンピュータに読み取られた時に、コンピュータに対し、共通パターンにより特徴付けられる命令シークエンスのグループを識別するために、ソフトウェアソースコードの本体を処理し、前記共通パターンの基準からの偏移を含む前記グループ内のシークエンスを発見し、そして前記偏移を前記ソフトウェアソースコード内の潜在的脆弱性として報告するようにさせる、
    ことを特徴とするコンピュータソフトウェア製品。
30. 前記命令は前記コンピュータに対し、前記コードのドキュメントオブジェクトモデル（ＤＯＭ）を生成し、そして前記ＤＯＭを前記シークエンスの識別に適用するようにさせる、ことを特徴とする請求項２９に記載の製品。
31. 前記命令は前記コンピュータに対し、前記コードを基準化し、そして前記基準化されたコード内で前記シークエンスを識別するようにさせる、ことを特徴とする請求項２９に記載の製品。
32. 前記コードを基準化するステップは、前記コード内に所定のタイプのエンティティの名前を発見するステップと、そして前記コードに出現する前記名前を前記タイプのインジケータと置き換えるステップを有する、ことを特徴とする請求項３１に記載の製品。
33. 名前が前記タイプのインジケータと置き換えられた前記エンティティは、変数及び定数からなるエンティティのグループから選択される、ことを特徴とする請求項３２に記載の製品。
34. 前記コードはオブジェクト指向言語で書かれ、そして名前が前記タイプのインジケータと置き換えられた前記エンティティは、クラスとメンバーからなるエンティティのグループから選択される、ことを特徴とする請求項３２に記載の製品。
35. 前記コードを基準化するステップは、前記コード内に所定のタイプの制御ブロックを発見するステップと、ここにそれぞれの前記制御ブロックは前記コードのラインを有し、そして、前記コードのラインを、前記制御ブロックのタイプに対し事前定義されたフォーマットの、前記コードのラインに対応する一連のタグと置き換えるステップを有する、ことを特徴とする請求項３１に記載の製品。
36. 前記命令は前記コンピュータに対し、前記コードを一連のタグに変換し、そしてシークエンスマイニングアルゴリズムを適用して前記一連のタグ内に出現する前記グループ内の前記シークエンスを識別するようにさせる、ことを特徴とする請求項２９−３５のいずれかに記載の製品。
37. 前記シークエンスのグループは、前記基準と、前記基準からの前記シークエンスのそれぞれの距離の分布により特徴付けられる推計学的なグループであり、ここにおいて前記偏移を含む前記シークエンスを発見するステップは、前記基準からのそれぞれの距離が事前定義された閾値を超える１つ以上の前記シークエンスを発見するステップを有する、ことを特徴とする請求項２９−３５のいずれかに記載の製品。
38. 前記シークエンスにおける偏移は前記ソフトウェアコード内の欠落オペレーションを含む、ことを特徴とする請求項２９−３５のいずれかに記載の製品。
39. 前記シークエンスにおける偏移は、要注意オペレーションを実行する許可のチェック漏れを含む、ことを特徴とする請求項２９−３５のいずれかに記載の製品。
40. 前記シークエンスにおける偏移は、規定の呼び出しシークエンスの順守の失敗を含む、ことを特徴とする請求項２９−３５のいずれかに記載の製品。
41. 前記シークエンスにおける偏移は、前記コード内に残されたバックドアに関連する、ことを特徴とする請求項２９−３５のいずれかに記載の製品。
42. 前記シークエンスにおける偏移は、前記コード内で実行されるビジネスロジックの誤りを含む、ことを特徴とする請求項２９−３５のいずれかに記載の製品。
    

Images