【技术实现步骤摘要】
基于深度学习的控制流完整性检测方法
本专利技术属于计算机安全领域,具体涉及一种基于深度学习的控制流完整性检测方法。
技术介绍
随着经济技术的发展和人们生活水平的提高,计算机已经广泛应用于人们的生产和生活当中,给人们的生产和生活带来了无尽的便利。而随着智能、大数据时代的到来,人们对于计算机的安全问题越来越关注。不安全的系统编程语言(例如C和C++)的使用,会导致软件中存在大量漏洞。根据最近的安全威胁报告,近10年来漏洞数量呈现明显上升趋势。代码复用攻击(如ROP和JOP)利用内存溢出漏洞,在不注入任何恶意代码的情况下利用程序中的分支指令劫持程序控制流,并将其重新定向到程序中已有的以分支指令结尾的微小代码片段(gadget),通过构造和执行这些gadget,达到恶意攻击的目的。这种攻击已经扩展到PowerPC、AtmelAVR、SPARC、Harward和ARM等多种不同的平台,且已显示其强大的攻击力。甚至AdobeReader、AdobeFlashPlayer以及QuickTimePlayer等众多著名的商业软件也已被代码复用攻击成功攻击。控制流完整性(controlflowintegrity,CFI)是当前防御代码复用攻击(codereuseattack,CRA)的主流防御技术之一。CFI将程序的控制流转移限制在该程序的控制流图(controlflowgraph,CFG)范围内。控制流完整性有基于软件和硬件辅助软件两种实现方式。基于软件的CFI向可执行文件中插入检测标签指令或添加程序运行时监测 ...
【技术保护点】
1.一种基于深度学习的控制流完整性检测方法,包括如下步骤:/n训练阶段:/nS1.获取训练程序及其对应的可执行文件;/nS2.对步骤S1获取的可执行文件进行反汇编,并以gadget为单位构建粗粒度控制流图;/nS3.对步骤S1获取的训练程序,采用英特尔分支追踪监测程序的控制流,从而收集地址信息;/nS4.根据步骤S2得到的粗粒度控制流图和步骤S3得到的地址信息,构建程序的细粒度控制流图;/nS5.对步骤S4得到的细粒度控制流图进行切分,得到良性gadget链和恶意gadget链,并作为训练数据;/nS6.采用步骤S5得到的训练数据对分类器进行训练,从而得到最终的控制流完整性检测分类器;/n检测阶段:/nS7.对于待检测程序,采用IPT监测程序的控制流,从而收集地址信息;/nS8.根据步骤S7得到的地址信息,构建待检测程序的gadget链编码;/nS9.采用步骤S6得到的控制流完整性检测分类器,对步骤S8得到的待检测程序的gadget链编码进行分类检测,从而将待检测程序的gadget链编码分类为正常控制流和CRA攻击,完成待检测程序的控制流的完整性检测。/n
【技术特征摘要】
1.一种基于深度学习的控制流完整性检测方法,包括如下步骤:
训练阶段:
S1.获取训练程序及其对应的可执行文件;
S2.对步骤S1获取的可执行文件进行反汇编,并以gadget为单位构建粗粒度控制流图;
S3.对步骤S1获取的训练程序,采用英特尔分支追踪监测程序的控制流,从而收集地址信息;
S4.根据步骤S2得到的粗粒度控制流图和步骤S3得到的地址信息,构建程序的细粒度控制流图;
S5.对步骤S4得到的细粒度控制流图进行切分,得到良性gadget链和恶意gadget链,并作为训练数据;
S6.采用步骤S5得到的训练数据对分类器进行训练,从而得到最终的控制流完整性检测分类器;
检测阶段:
S7.对于待检测程序,采用IPT监测程序的控制流,从而收集地址信息;
S8.根据步骤S7得到的地址信息,构建待检测程序的gadget链编码;
S9.采用步骤S6得到的控制流完整性检测分类器,对步骤S8得到的待检测程序的gadget链编码进行分类检测,从而将待检测程序的gadget链编码分类为正常控制流和CRA攻击,完成待检测程序的控制流的完整性检测。
2.根据权利要求1所述的基于深度学习的控制流完整性检测方法,其特征在于步骤S4所述的根据步骤S2得到的粗粒度控制流图和步骤S3得到的地址信息,构建训练程序的细粒度控制流图,具体为采用如下步骤构建细粒度控制流图:
A.静态分析程序的可执行文件,得到程序所有的直接分支信息;
B.采用IPT监测程序的控制流,并在IPT生成的所有IPT包中获取TNT包;
C.根据步骤B得到的TNT包,获取程序所有的直接条件分支信息;
D.生成若干种不同的输入数据并输入到程序中,采用IPT监测程序的控制流,并在IPT生成的所有IPT包中获取TIP包;
E.根据步骤D获取的不同的输入数据情况下程序的TIP包,获取程序所有的间接分支信息;
F.将步骤A获取的直接分支信息、步骤C获取的直接条件分支信息和步骤E获取的间接分支信息与粗粒度控制流图结合,在原有的粗粒度控制流图上添加合法的控制流转移路径,从而得到最终的细粒度控制流图。
3.根据权利要求2所述的...
【专利技术属性】
技术研发人员:王湘奇,张吉良,
申请(专利权)人:湖南第一师范学院,
类型:发明
国别省市:湖南;43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。