基于神经网络和代码相似度的漏洞检测

静态漏洞检测通常只针对文本进行检测，执行效率高但是易产生误报。针对该问题，结合神经网络技术提出一种基于代码相似性的漏洞检测方法。通过对程序源代码进行敏感函数定位、程序切片和变量替换等数据预处理操作，获取训练所用数据。构建基于Bi-LSTM的相似性判别模型，设定漏洞模板数据库，将待测代码与漏洞模板作比对以判别其是否存在漏洞。实验结果表明，该方法的准确率达8.1%，误报率低至4.7%。