網(wǎng)絡(luò)空間安全與計(jì)算機(jī)學(xué)院青年教師李珍的論文“SySeVR: A Framework for Using Deep Learning to Detect Software Vulnerabilities”被IEEE Transactions on Dependable and Secure Computing（TDSC）期刊錄用。該期刊主要關(guān)注計(jì)算機(jī)及網(wǎng)絡(luò)安全、可信計(jì)算等領(lǐng)域的前沿研究，是該領(lǐng)域的權(quán)威期刊之一，屬于中國(guó)計(jì)算機(jī)學(xué)會(huì)CCF A類(lèi)期刊。每年出版4期，每年錄用論文約80篇左右，2019-2020年該期刊的影響因子為6.864。

該論文是與華中科技大學(xué)網(wǎng)絡(luò)空間安全學(xué)院和美國(guó)得克薩斯大學(xué)圣安東尼奧分校計(jì)算機(jī)系合作的研究成果。將深度學(xué)習(xí)技術(shù)引入到程序切片級(jí)源代碼漏洞檢測(cè)，有效地排除漏洞無(wú)關(guān)語(yǔ)句，提出了基于深度學(xué)習(xí)的漏洞檢測(cè)框架SySeVR。通過(guò)獲取三個(gè)代碼表征，即基于語(yǔ)法的候選漏洞代碼、基于語(yǔ)義的候選漏洞代碼和候選漏洞代碼的向量表征，在不需要人類(lèi)專(zhuān)家定義特征或?qū)傩缘那疤嵯拢詣?dòng)學(xué)習(xí)各種類(lèi)型漏洞的特征，來(lái)檢測(cè)目標(biāo)程序中的漏洞。實(shí)驗(yàn)結(jié)果表明，SySeVR可以采用多種深度神經(jīng)網(wǎng)絡(luò)檢測(cè)各類(lèi)型漏洞，雙向門(mén)控循環(huán)單元（BGRU）的有效性?xún)?yōu)于其他神經(jīng)網(wǎng)絡(luò)；在漏報(bào)誤報(bào)原因解釋上， BGRU的有效性在很大程度上受訓(xùn)練數(shù)據(jù)的影響，如果某些語(yǔ)法元素經(jīng)常出現(xiàn)在漏洞（無(wú)漏洞）代碼中，則這些語(yǔ)法元素可能會(huì)導(dǎo)致較高的誤報(bào)（漏報(bào)）；用于深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的語(yǔ)義信息越多，神經(jīng)網(wǎng)絡(luò)的漏洞檢測(cè)能力越高；SySeVR框架下的漏洞檢測(cè)系統(tǒng)在4個(gè)目標(biāo)軟件中檢測(cè)到15個(gè)在美國(guó)國(guó)家漏洞庫(kù)NVD中未公布的漏洞，其中8個(gè)漏洞在相應(yīng)軟件的后續(xù)版本中默默地進(jìn)行了修補(bǔ)。

(網(wǎng)絡(luò)空間安全與計(jì)算機(jī)學(xué)院、科學(xué)技術(shù)處供稿)