基于循环语义学习的HCPS软件漏洞检测方法技术

本发明专利技术涉及一种基于循环语义学习的HCPS软件漏洞检测方法，包括步骤：通过动态和静态分析策略对HCPS软件的无源码二进制程序进行预处理；通过AFL算法，根据预处理后的HCPS软件程序，构建程序帧，该程序帧用以集成HCPS软件程序运行时的逻辑关系和执行环境；根据程序帧，构建指令嵌入矩阵，将程序帧中的指令序列转化为向量特征值，并分为训练集和测试集，并将训练集输入构建好的C

【技术实现步骤摘要】
基于循环语义学习的HCPS软件漏洞检测方法


[0001]本专利技术涉及软件漏洞检测技术，尤其是涉及一种基于循环语义学习的HCPS软件漏洞检测方法。

技术介绍

[0002]医疗保健网络物理系统(HCPS)通过通信、计算、存储能力集成物理空间信息，利用网络实现多个软件进程与物理设备之间的交互。在HCPS软件控制的情况下，HCPS的物理层和网络层对物理实体进行远程实时操作。物理层由医疗监控设备、医生、传统医疗设备提供离散患者信息，并将其传输到软件中。随后软件管理和重组这些离散的医疗保健信息，它不仅接收信息，还集成离散医疗信息为网络层的新数据供决策使用。当治疗策略被设计出来后，该软件会按照实施计划执行治疗策略。同时网络层将医生的诊断信息与智能决策提供给学习模型进行整合，给出多种治疗方案，并根据反馈信息不断优化学习模型。
[0003]相比于通用软件，HCPS软件有自己的独特性：首先，终端上的HCPS软件计算和缓存资源有限；其次，HCPS软件的集成开发引入了多种编程语言，具有较高的代码重用率。最后，不同的物理和网络操作环境为开发人员提供了更多的AP本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于循环语义学习的HCPS软件漏洞检测方法，其特征在于，包括如下步骤：S1：通过动态和静态分析策略对HCPS软件的无源码二进制程序进行预处理；S2：通过AFL算法，根据预处理后的HCPS软件程序，构建程序帧，该程序帧用以集成HCPS软件程序运行时的逻辑关系和执行环境；S3：根据程序帧，构建指令嵌入矩阵，将程序帧中的指令序列转化为向量特征值，并分为训练集和测试集，并将训练集输入构建好的C
‑
LSTM网络中进行训练，训练得到能够对HCPS软件漏洞类型进行分类的C
‑
LSTM网络，其中，C
‑
LSTM网络为长短时记忆级联网络；S4：将HCPS软件的无源码二进制程序经过S1～S3的处理后，输入训练好的C
‑
LSTM网络中，对软件漏洞类型进行检测。2.根据权利要求1所述的一种基于循环语义学习的HCPS软件漏洞检测方法，其特征在于，所述S1具体包括如下步骤：删除和修改HCPS软件程序中混乱的指令序列，链接HCPS软件程序中所有必需的函数，补充函数信息，并将补充的函数信息映射到函数中，进而完成预处理。3.根据权利要求2所述的一种基于循环语义学习的HCPS软件漏洞检测方法，其特征在于，所述函数信息包括函数名、函数地址和程序中各函数之间的关系。4.根据权利要求1所述的一种基于循环语义学习的HCPS软件漏洞检测方法，其特征在于，所述S2具体包括如下步骤：S201：通过AFL算法，对HCPS软件代码进行完整扫描，获取能够覆盖程序大部分代码的执行路径的指令序列；S202：对S201得到的指令序列进行优化并以函数为基本单位划分指令。5.根据权利要求4所述的一种基于循环语义学习的HCPS软件漏洞检测方法，其特征在于，所述S202中对指令序列进行优化的过程具体为：将指令序列中的特殊元素替换为标签，该标签能够使得神经网络提取程序执行过程中的程序逻辑特征信息，所述特殊元素包括：常数、字符串、函数调用点和符号常量。6.根据权利要求5所述的一种基于循环语义学习的HCPS软件漏洞检测方法，其特征在于，所述S3具体包...

【专利技术属性】
技术研发人员：李高磊，伍军，易啸宇，陈黎兴，杨武，玄世昌，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：