基于学习的源代码漏洞检测研究与进展

源代码漏洞自动检测是源代码漏洞修复的前提和基础,对于保障软件安全具有重要意义.传统的方法通常是基于安全专家人工制定的规则检测漏洞,但是人工制定规则的难度较大,且可检测的漏洞类型依赖于安全专家预定义的规则.近年来,人工智能技术的快速发展为实现基于学习的源代码漏洞自动检测提供了机遇.基于学习的漏洞检测方法是指使用基于机器学习或深度学习技术来进行漏洞检测的方法,其中基于深度学习的漏洞检测方法由于能够自动提取代码中漏洞相关的语法和语义特征,避免特征工程,在漏洞检测领域表现出了巨大的潜力,并成为近年来的研究热点.本文主要回顾和总结了现有的基于学习的源代码漏洞检测技术,对其研究和进展进行了系统的分析和综述,重点对漏洞数据挖掘与数据集构建、面向漏洞检测任务的程序表示方法、基于机器学习和深度学习的源代码漏洞检测方法、源代码漏洞检测的可解释方法、细粒度的源代码漏洞检测方法等五个方面的研究工作进行了系统的分析和总结.在此基础上,给出了一种结合层次化语义感知、多粒度漏洞分类和辅助漏洞理解的漏洞检测参考框架.最后对基于学习的源代码漏洞检测技术的未来研究方向进行了展望.

用于同步辐射X射线注量绝对测量的自由空气电离室

根据X射线束光子通量、注量和空气比释动能等物理量的关系,通过空气比释动能的测量,转换确定了所需要的光子通量、注量等。依据X射线自由空气电离室原理,针对同步辐射光子束的物理条件,确定了自由空气电离室的设计方案并完成了精密加工和安装调试。电离室主要部件尺寸公差、机械性能和电性能满足计量标准的要求,为计量标准的建立提供了基础。

一种检测控制流错误的多层分段标签方法

提出一种利用多层分段标签实现的控制流错误检测技术CFMSL,可通过对多层分段标签的更新和检查在线检测出程序的控制流错误。CFMSL在编译时将标签更新与检查指令自动嵌入程序中,从而实现程序运行时的动态检查效果。本文提出的标签设计与计算方法较为新颖,可较大地降低方法的时空开销,并且具有处理复杂程序以及检测细微控制流错误的能力。通过编写的LLVM pass文件,CFMSL具备批量化、自动化处理程序的能力。最后使用本文设计的故障注入工具模拟控制流错误对软件的影响,同时评估CFMSL的错误检测能力与时空开销。实验结果表明,相较于其他方法,CFMSL在保证较高检错能力的同时具有较低时空开销,显示出了本文提出的方法的优越性。

同步辐射硬X射线光子通量的绝对测量

在北京同步辐射光源上使用自由空气电离室绝对测量了同步辐射硬X射线光子通量。通过自由空气电离室复现空气比释动能率量值,根据在电离辐射量及其单位中定义的空气比释动能与注量及通量的关系,定量得到了光子通量。由于在测量期间,光子通量随时间变化,而测量需要一定的时间,因此,研究了配套的在线通量监测系统,监测带来的不确定度为0.03%。通过测量空气衰减修正因子及复合损失修正因子,结合在线通量监测,在能量为15keV的同步辐射X射线上用自由空气电离室复现了空气比释动能率。在实际实验条件下复现的空气比释动能率为0.239Gy/s,从而得到同步辐射X射线的光子通量为5.28×10~9 photons/s,相对标准不确定度为0.68%。