一种基于深度学习的协议模糊测试优化方法
2025-02-26 21:07
No.1344415667746775040
技术概要
PDF全文
本技术涉及一种基于深度学习的协议模糊测试优化方法,属于网络技术领域。该方法包括:采集没有优化之前,Boofuzz在模糊测试过程中采集的数据,并按照服务器响应类型将具有不同响应的报文数据进行分类;通过协议逆向模块初步识别协议的动态字段、静态字段以及长度字段,并在Boofuzz框架中通过识别出的信息构造请求,设置会话消息;使用Boofuzz框架中的变异规则,根据协议逆向模块推断出的字段生成测试用例;构建优选器模型,初始化模型参数;通过SSA算法调整优化模型超参数,然后基于最优超参数进行模型训练;对生成的测试用例进行特征提取,获取输入特征;使用所述优选器模型对测试用例进行有效性预测。
背景技术
在网络协议漏洞挖掘方法中,模糊测试是当前最常用、最有效的技术。工具如SPIKE、Peach和Boofuzz等,都是基于此技术开发的。模糊测试的核心是向目标输入不同的测试用例,监测其响应以发现潜在漏洞,因此,测试用例的质量直接影响测试效果和效率。许多协议模糊测试工具,如Boofuzz和Peach,都要求用户定义协议格式。未定义协议格式的情况下,这些工具只能基于字节进行变异,但这种方式会产生许多无效变异,尤其在缺少上下文信息时,可能无法触发有效的漏洞。而逐字节变异特别耗费计算资源,容易生成大量冗余测试用例,这在处理复杂协议时尤为突出,且会导致测试路径爆炸。模糊测试还面临大量约束条件,这些条件来自协议字段的依赖、状态转换等复杂逻辑,增加了解决的难度和耗时。 综上,协议逆向工程在模糊测试工具中具有重要作用,它通过数据包分析提取协议结构和字段信息,有助于提高测试的准确性和有效性,特别是在处理复杂或闭源协议时。当前的序列比对算法多用于DNA序列或文本字符串的比对,通常不考虑字符位置的偏差,这也是一个限制。 此外,人工智能技术在模糊测试中的主要作用是生成和筛选测试用例。通过遗传算法和神经网络,可自动过滤掉无效或低优先级的测试用例,提高测试效率和覆盖率。然而,当前模糊测试中的深度学习模型通常较简单,准确率有待提高。
实现思路
阅读余下40%
技术概要为部分技术内容,查看PDF获取完整资料
该技术已申请专利,如用于商业用途,请联系技术所有人!
技术研发人员:
王浩  陈俊廷  魏旻  韩延
技术所属: 重庆邮电大学
相关技术
一种服务开发方法、装置、设备及存储介质 一种服务开发方法、装置、设备及存储介质
一种高精度双层优化方法的神经网络搜索架构构建方法 一种高精度双层优化方法的神经网络搜索架构构建方法
跨总线域的设备对宿主机空间DMA访问方法及相关设备 跨总线域的设备对宿主机空间DMA访问方法及相关设备
一种客户信息定期维护方法及系统 一种客户信息定期维护方法及系统
代码发布方法、装置、计算机设备和可读存储介质 代码发布方法、装置、计算机设备和可读存储介质
一种基于统一管理平台的子应用数据获取方法及装置 一种基于统一管理平台的子应用数据获取方法及装置
利用深度学习的BIM模型错误自动检测系统 利用深度学习的BIM模型错误自动检测系统
一种基于智能反射面的室内T型走廊场景路径损耗的分析方法 一种基于智能反射面的室内T型走廊场景路径损耗的分析方法
模型评估任务处理方法及装置 模型评估任务处理方法及装置
基于大数据的异常信号智能识别方法 基于大数据的异常信号智能识别方法
技术分类
电信、广播电视和卫星传输服务 电信、广播电视和卫星传输服务
互联网软件服务 互联网软件服务
集成电路设计 集成电路设计
信息集成数字服务 信息集成数字服务
电气机械制造 电气机械制造
计算机、通信、电子设备制造 计算机、通信、电子设备制造
医药制造、生物基材料 医药制造、生物基材料
石油煤矿化学用品加工 石油煤矿化学用品加工
化学原料制品加工 化学原料制品加工
非金属矿物加工 非金属矿物加工
金属制品加工 金属制品加工
专用设备制造 专用设备制造
通用设备制造 通用设备制造
通用零部件制造 通用零部件制造
汽车制造业 汽车制造业
铁路、船舶、航天设备制造 铁路、船舶、航天设备制造
电力、热力生产和供应 电力、热力生产和供应
燃气生产和供应 燃气生产和供应
水生产和供应 水生产和供应
房屋建筑、土木工程 房屋建筑、土木工程
交通运输、仓储和邮政 交通运输、仓储和邮政
农、林、牧、渔业 农、林、牧、渔业
采矿业 采矿业
农副、食品加工 农副、食品加工
烟草、酒水加工 烟草、酒水加工
纺织皮具居家制品 纺织皮具居家制品
文教体娱加工 文教体娱加工
苏ICP备18062519号-5 © 2018-2025 【123技术园】 版权所有,并保留所有权利