Erkennung von Sicherheitslücken mittels Graph Convolutional Networks

Abstract

Für das automatisierte Auffinden sicherheitskritischer Schwachstellen in Programmcode werden traditionell statische Analysewerkzeuge eingesetzt, welche auf festen Regelwerken basieren. Neuere Forschungsarbeiten versuchen hingegen, Sicherheitslücken mit Methoden des maschinellen Lernens aufzufinden. Die vorliegende Arbeit befasst sich diesbezüglich mit einem Ansatz, der mit Hilfe eines Graph Convolutional Networks die Kontrollflussgraphen von Programmen analysiert. Es wird eine Implementierung dieses VGDetector genannten Modells vorgestellt, welche anschließend mit einer bestehenden Arbeit zum selben Ansatz verglichen wird. Außerdem wird überprüft, inwieweit sich VGDetector auf weitere als die bisher getesteten Sicherheitslücken anwenden lässt.