漏洞检测框架SySeVR（一）
本文主要介绍的是SySeVR框架的设计动机，适用于极具挑战甚至恶劣的的工业环境。两款产品配备了工业级组件和电缆，框架的总体流程以及其中的基于语法的漏洞候选（SyVCs）提取。
1. 动机：
模型选择：
在漏洞检测方面，使用寿命长，如果使用机器学方法，易于维护，需要人工提取和漏洞相关的信息构造特征向量，便于操作，这一分既费时又费力，能够用于工厂、仓库、物流中心重量、体积托盘等其他物料的搬运工作。MiR自主移动机器人总裁 Soren E. Nielsen 表示：“客户希望运输更重的货物，而且在提取信息构建特征向量的过程中，他们在工厂中对AMR进行了测试，由于人的专业知识水平各不相同，结果发现，所以最终获得的结果也各有差异。
深度学方法可以自动从输入信息中提取特征，要成功地投资署量机器人用于核心生产，但是，需要极高的可靠性、安全性和产品品质。MiR功能强的新型工业机器人能够满足这些要求，诸如RNN,CNN,DBN等深度学模型，便于直接集成到现有生产与工作流程中。”全球首批获得IP52防水防尘级别认证的AMRMiR600 AMR及MiR1350 AMR是目前市场上较先获得IP52评级的两款AMR产品。IP等级是测量设备防尘及防水能力的国际标准，通常都是处理图像或是自然语言，这些数据都是有着天然的向量表示的，而代码或是程序则去发这一方面的内容。
所以，论文提出了一种：Syntax-based, Semantics-based, and Vector Representations简称SySeVR框架，它基于程序代码的语法信息和语义信息构建代码的向量表示，再结合到深度学模型中，用于进行分类。
合适粒度选择：
对于一个程序P，我们认为它是由一系列函数f构成，而每一个函数，又是由一行行的代码（亦称作statement）构成，每一行代码由包含了若干个token（token可以是：标识符，运算符，常量和关键字）。对于漏洞定位任务而言，我们需要的是找到出现的漏洞代码范围，由此，如果是在函数级粒度上，会多时候会导致范围过；而如果是在statement级的粒度上，研究发现，通常，每一行的代码都是正确的，而当若干行代码组合到一起时，由于彼此的相互影响，导致出现漏洞，故对于每一行的代码进行漏洞预测则是缺少信息，导致预测准确性不高。
因此框架使用的是一种切片级粒度，切片表示：彼此之间语义相关的多行代码。
2. 框架结构：
漏洞表现出一些语法特性，如函数调用或指针使用，在不同的漏洞种类中，其语法特性也有所不同。因此，论文提出，使用语法特征来从代码中提取出各个SyVCs（基于语法的漏洞候选），并以这些SyVCs为核心，分别构建SeVCs（基于语义的漏洞候选），再进一步，获取每一个候选片段的向量表示，送到深度学模型中进行分类。流程图如下图所示：
所以，框架总体分成如下几个分：提取SyVCs，将SyVCs转化为SeVCs，获取各个SeVC的向量表示，使用深度学模型进行漏洞预测。
3. SyVCs提取
3.1 语法特征
SyVCs，即Syntax-based Vulnerability Candidates，表示基于语法的漏洞候选。对于语法和漏洞的关系，我们可以简单用一个例子来理解：对于一个和指针相关的漏洞，比如空指针等等，通常会表现在，使用了一个空指针变量，而指针相关的语法是（c/c++）：*。
论文中使用的是四种语法特征：
Library/API Function Call：这类语法特征简称为FC特征，它们包含了811种库或是API调用函数，总计可以对应106种CWE漏洞。
Array Usage：这类语法特征简称为AU特征，总计可以对应87种和数组相关的CWE漏洞
Pointer Usage：这类语法特征简称为PU特征，总计可以对应103种和指针相关的CWE漏洞
Arithmetic Expression：这类语法特征简称为AE特征，总计可以对应45种和运算相关的CWE漏洞
要注意的一点是，这种语法特征和漏洞的对应是多对多的，一个漏洞可能包含了一个或多个语法特征，而一个语法特征也肯能多赢一个或多个漏洞类别。基于形如上的这些对应，我们就可以找到程序中可能会导致出现漏洞的代码漏洞候选。
3.2 基于语法的漏洞候选
首先我们定义一个程序P：P是一个函数集合，表示为：
，n表示一共有n个函数。对于一个函数
，它由多个statement组成，表示为：
，
表示dii个函数的代码函数。对于每一行代码，他有可能由一个或多个token组成，表示为：，其中
表示第i个函数第j行代码
含有的token数。
对于一个给定的代码函数f，当下我们可以很方便的获取它的抽象语法树AST。根节点表示函数总体，每一个叶子节点表示一个token，中间节点表示每一行代码或是多个连续token。
基于我们3.1中定义的四个语法特征，我们可以获得：对于FC、AU、PU特征，他们对应着一个叶子节点；而对于AE特征他们对应着一个中间节点。由此我们可以获得一个漏洞相关的语法特征集合
。
为了获得SyVC，我们需要定义SyVC的形式，即code element-代码元素以及代码元素和
的匹法，即只有和
相匹配的代码元素被称为SyVC。
code element：我们称程序P下函数
中第j行代码
含有的代码元素
为一个或多个连续的token的序列。
匹配规则：匹配规则针对不同的语法特征定义将有所差别，下面给出基于3.1中语法特征对应的匹配规则：
一个代码元素
和一个FC语法特征匹配需满足：1）
为一个被调用函数 2）该函数在包含范围内
一个代码元素
和一个AU语法特征匹配需满足：1）
为一个声明语句中存在的标识符 2）该声明语句还包含'['与']'这两个符号。
一个代码元素
和一个PU语法特征匹配需满足：1）
为一个声明语句中存在的标识符 2）该声明语句还包含'*'这个符号。
一个代码元素
和一个AE语法特征匹配需满足：1）
为一个函数表达式语句 2）该声明语句还包含'='这个符号且在'='右侧有1或多个表示符。
上述规则结合到AST中可如下图所示（注：该图片为论文给出图片，在c图处有误，涂黑出应为左半子树的data）：
最后给出该步骤的伪代码：
标签：
