基于LSTM的漏洞自动分类方法、系统和计算机设备技术方案

本发明专利技术公开了一种基于LSTM的漏洞自动分类方法、系统和计算机设备，方法包括以下过程：训练长短期记忆网络LSTM；利用训练好的LSTM网络处理待分类的漏洞代码；基于NVD树图构建映射矩阵；根据所述映射矩阵以及待分类的漏洞代码对应的LSTM网络的输出，进行矩阵运算，获得待分类漏洞代码的类别。本发明专利技术将漏洞矩阵运用到漏洞分类技术中，利用了漏洞矩阵的结构特性，方便化了分类工作。以CWE·NVD为分类标准，在NVD类路径基础上进行漏洞的自动分类，解决了漏洞代码的模糊匹配问题，实现了标准缺陷漏洞库的矩阵化使用以及LSTM特性的极大化利用，同时实现了缺陷预测的自动化，具有较强的方便性，一定程度上为信息安全领域提供了帮助。

【技术实现步骤摘要】
基于LSTM的漏洞自动分类方法、系统和计算机设备
本专利技术属于软件安全领域，特别涉及一种基于LSTM的漏洞自动分类方法、系统和计算机设备。
技术介绍
安全性缺陷(vulnerability)是指计算机系统安全方面的缺陷，使得系统或其应用数据的保密性、完整性、可用性、访问控制等面临威胁。由于许多安全漏洞是由于程序错误所致，此时可以叫做安全缺陷(Securitybug)。常见的缺陷有八种，零日漏洞(zero-dayvulnerability)、SQL注入、缓冲区溢出、跨站脚本、死亡之Ping、ARP欺骗、FREAK漏洞、Badlock。随着现代科技的不断发展，硬件和软件领域技术发展速度的并茂齐驱，全范围内黑客入侵行为的不断猖獗，导致信息安全问题越来越严重，缺陷漏洞分类在信息安全
占据越来越重要的位置，实时入侵检测和漏洞的扫描评估(IDnA)的技术和产品开始占据越来越重要的位置，为了极大量地减轻软件修复领域漏洞修复的困难，漏洞分类领域建立了多个漏洞库为修复人员提供了必要的帮助，如CVE、CWE、CNCVE、CNNVD，由于有了众多的漏洞库，修本文档来自技高网...

【技术保护点】
1.一种基于LSTM的漏洞自动分类方法，其特征在于，所述方法包括以下步骤：/n步骤1，训练长短期记忆网络LSTM；/n步骤2，利用训练好的LSTM网络处理待分类的漏洞代码；/n步骤3，基于NVD树图构建映射矩阵；/n步骤4，根据所述映射矩阵以及步骤2中LSTM网络的输出，进行矩阵运算，获得待分类漏洞代码的类别。/n

【技术特征摘要】
1.一种基于LSTM的漏洞自动分类方法，其特征在于，所述方法包括以下步骤：
步骤1，训练长短期记忆网络LSTM；
步骤2，利用训练好的LSTM网络处理待分类的漏洞代码；
步骤3，基于NVD树图构建映射矩阵；
步骤4，根据所述映射矩阵以及步骤2中LSTM网络的输出，进行矩阵运算，获得待分类漏洞代码的类别。


2.根据权利要求1所述的基于LSTM的漏洞自动分类方法，其特征在于，步骤1所述训练长短期记忆网络LSTM，具体过程包括：
步骤1-1，将NVD漏洞条目构成的NVD树图中父节点和子节点的CWE漏洞代码示例转换为路径；
步骤1-2，利用TF-IDF词频分析，将路径转换为嵌入向量；
步骤1-3，利用嵌入向量训练LSTM网络，输出对应的路径向量表示。


3.根据权利要求1或2所述的基于LSTM的漏洞自动分类方法，其特征在于，步骤2所述利用训练好的LSTM网络处理待分类的漏洞代码，具体过程包括：
步骤2-1，利用TF-IDF对待分类漏洞代码进行处理，获得漏洞代码的特征，记为漏洞特征向量；
步骤2-2，将所述漏洞特征向量作为LSTM网络的输入，输出该漏洞代码对应的诸多路径向量。


4.根据权利要求3所述的基于LSTM的漏洞自动分类方法，其特征在于，步骤3所述基于NVD树图构建映射矩阵，具体过程包括：
步骤3-1，利用TF-IDF将NVD树图中每个节点对应的漏洞示例代码转化为对应的漏洞特征；
步骤3-2，以NVD树图的漏洞序号为列，对应的漏洞特征为行，构建CWE·NVD漏洞映射矩阵。


5.根据权利要求4所述的基于LSTM的漏洞自动分类方法，其特征在于，步骤4根据所述映射矩阵以及步骤2中LSTM网络的输出，进行矩阵运算，获得待分类漏洞代码的类别，具体过程包括：
步骤4-1，将步骤2-2输出的诸多路径向量构成一维矩阵；
步骤4-2，将所述CWE·NVD漏洞映射矩阵与一维矩阵相乘；
步骤4-3，取相乘后矩阵中的最大值对应的漏洞序号，该序号对应的漏洞类别即为待分类的漏洞代码的漏洞类别。
<...

【专利技术属性】
技术研发人员：龙瑶，孙小兵，薄莉莉，李斌，刘源，周洲，
申请(专利权)人：扬州大学，
类型：发明
国别省市：江苏;32