Обобщенная модель статического анализа программного кода на базе машинного обучения применительно к задаче поиска уязвимостей 

Резюме: Главной угрозой инфосферы на протяжении последних лет продолжает оставаться использование небезопасного программного обеспечения, поиск уязвимостей в котором возлагается на статический и динамический анализ. Ручная форма проведения статического анализа крайне трудоемка и требует привлечения высококвалифицированных, а потому дефицитных специалистов. Альтернативой является автоматизация процесса на базе искусственного интеллекта. Настоящая работа направлена на поиск решений по использованию методов машинного обучения на всех этапах статического анализа программного кода, для чего исследуются и соотносятся формальные потребности этапов и возможности методов. Основным результатом исследования является обобщенная модель предметной области, а частными – 14 решений «ключевых» задач статического анализа программного кода с применением методов машинного обучения.

Ключевые слова: программное обеспечение, уязвимости, искусственный интеллект, машинное обучение, статический анализ, реверс-инжиниринг, обобщенная модель.

M.V. Buinevich, K.E. Izrailov 

Generalized model of software code`s static analysis based on machine learning for vulnerabilitys search 

Summary: Over the past years, the use of unsafe software, the search for vulnerabilities in which relies on static and dynamic analysis, continues to be the main threat to the infosphere. The manual form of conducting static analysis is extremely time-consuming and requires the involvement of highly qualified, and therefore deficient specialists. An alternative is the automation of the process based on artificial intelligence. This work is aimed at finding solutions for the use of machine learning methods at all stages of the static analysis of program code, for which the formal needs of the stages and the possibilities of the methods are studied and correlated. The main result of the study is a generalized domain model, and private — 14 solutions to the “key” problems of static analysis of program code using machine learning methods.

Keywords: software, vulnerabilities, artificial intelligence, machine learning, static analysis, reverse engineering, generalized model.

doi 10.34219/2078-8320-2020-11-2-143-152