Project Achilles：使用 RNN 对 Java 源代码进行静态漏洞检测的原型工具

原文标题：Project Achilles: A Prototype Tool for Static Method-Level Vulnerability Detection of Java Source Code Using a Recurrent Neural Network
原文作者：Nicholas Saccente, Josh Dehlinger, Lin Deng, Suranjan Chakraborty, Yin Xiong
原文链接：https://ieeexplore.ieee.org/abstract/document/8967427
发表期刊：ASE WorkShop'19
笔记作者：NING@SecQuan
笔记小编：ourren@SecQuan

1 研究介绍

网络攻击正在威胁网络空间的方方面面，例如，通过利用软件漏洞、窃取敏感信息或攻击关键基础设施，在这些攻击中，最有效的一种是利用软件安全漏洞，它利用了这样一个事实，即当今的软件不再是孤立的、具有数千行代码的小程序，而是复杂的、集成的、连接的关键系统到社会的各个方面。因此软件安全漏洞检测格外重要，但当前工具误报率高，并且缺乏足够的自动化。因此，本研究的目标是设计和实现一种自动化、可靠、有效和高效的软件安全漏洞分析工具，减少网络安全分析师的工作量，缩短发现漏洞的时间，降低知识和技术要求为人员。

2 整体方法及部分细节

提取源代码中的方法
代码分词 + 向量化表示
LSTM 模型特征提取
模型分类（文中并未说明 cluster 部分）

RQ1: 如何处理代码风格不同样问题？

例如 K&R 风格和 Allman 风格不同，会将函数内的大括号与控制结构的排列在不同行内，针对这一问题，使用正则表达式来解决风格问题。

RQ2: 使用什么对 java 源代码分词？这里使用的是一个 python 包 Javalang 来进行分词，他是区别于仅用空格字符来分词的结果。

3 实验设计及结果

在本次实验评估中，使用了 29 种类型的 CWE 漏洞。虽然 Juliet 测试套件包括 112 个 CWE，但由于只有这 29 个类型至少有 100 个类才能满足 Project Achilles 的设定阈值。表一列出了所有这些漏洞和每个漏洞的测试用例数。最大的 CWE 漏洞测试集是 CWE 190，它有 7,015 个测试用例。最小的 CWE 漏洞测试集是 CWE 506，它有 116 个测试用例。总体而言，在实验评估中使用了 44,495 个测试用例。