基于模糊測試技術的軟件安全漏洞挖掘方法研究

胡貴恒，陳翠紅

(安徽工商職業學院 信息工程學院，安徽 合肥 231131)

隨著軟件類型的增多以及軟件應用范圍的不斷擴大，對軟件的安全性提出了越來越高的要求，尤其在交叉融合式多媒體軟件設計中，更需要對軟件的漏洞分布進行實時更新和檢測，因此對多媒體軟件安全漏洞挖掘方法的研究不斷增多[1]。

傳統多媒體軟件安全漏洞挖掘方法主要有基于模糊度辨識的多媒體軟件安全漏洞挖掘方法和基于關聯特征提取的多媒體軟件安全漏洞挖掘方法[2-3]，這些方法大多先提取多媒體軟件安全漏洞數據的譜特征量，結合特征重建和信息融合方法，進行安全漏洞檢測和安全信息的自適應聚類處理，實現多媒體軟件安全漏洞的特征挖掘，但是以上方法存在軟件安全漏洞信息分辨能力較低的問題。為此提出基于模糊測試技術的軟件安全漏洞挖掘方法。

1 安全漏洞信息采集與大數據序列分析

1.1 多媒體軟件安全漏洞信息采集

為實現對多媒體軟件安全漏洞挖掘，首先構建交叉融合式多媒體軟件信息采集模型，采用分布式的交叉融合式多媒體軟件構造方法，進行軟件安全漏洞信息定位和大數據采集，采集到的多媒體軟件安全漏洞主要有軟件安全漏洞信息、軟件的兼容性信息以及接口信息等[4]，對軟件漏洞數據進行自動化測量，構建交叉融合式多媒體軟件漏洞信息特征采樣模型，如圖1所示。

圖1 交叉融合式多媒體軟件的大數據采集模型

圖1所示的交叉融合式多媒體軟件的大數據采集模型分為三層結構，分別為交叉融合式信息采樣物理層、安全信息傳輸層和交叉融合式多媒體軟件的應用層。在物理層中采用分布式交叉融合式多媒體軟件嵌入空間映射方法進行信息融合，根據負載量融合結果，挖掘多媒體軟件安全漏洞的屬性特征[5]，在交叉融合式多媒體軟件嵌入空間中實現軟件安全漏洞信息采集，軟件的特征分布計算公式如下：

(1)

其中，xi,yi,xj,yj分別表示交叉融合式多媒體軟件i與j的橫坐標與縱坐標，d(i,j)表示兩交叉融合式多媒體軟件漏洞節點之間的分布間隔，交叉融合式多媒體融合的空間分布距離為ETx(L,d)，表示為：

(2)

多媒體軟件安全漏洞的能量特征為：

ERx(L)=LEelect

(3)

其中，Eelect表示多媒體軟件安全漏洞節點(中間節點)S的反射特征量，d為多媒體軟件安全漏洞的傳輸鏈路集，交叉融合式多媒體軟件嵌入空間中Sink節點的負載量[6]為：

Computition(nj)=(Eelec+EDF)lδ+ETx(l,dj)

(4)

以采集到的數據為基礎，采用多模融合方法構建軟件安全漏洞信息序列，進行軟件安全漏洞信息特征挖掘。

1.2 軟件安全漏洞特征分析

假設多媒體軟件安全漏洞的分布時間序列{Xn},n=1,2,…,N，表示在交叉融合式多媒體軟件嵌入空間中的大數據特征分布集，在軟件安全漏洞的有限數據集分布中，結合統計信息分析方法，進行交叉融合式多媒體軟件安全漏洞信息的模糊信息聚類，得到軟件安全漏洞的空間譜特征分布XN=Xn+，其中為軟件安全漏洞檢測的干擾項特征量[7]。在d個大數據分布區域中，采用關聯維分析方法，進行交叉融合式多媒體軟件安全漏洞的模糊測試，結合模糊測試技術，得到安全漏洞監測的自相關鏈路分布集[8]為：

Xn={Xn,Xn-τ,Xn-2τ,…,Xn-(d-1)τ}

(5)

假設Rd×L是d×L的矩陣，在特征融合空間中，挖掘多媒體軟件安全漏洞的信息熵，得到熵權系數分布矩陣為：

R1={X1,X2,X3,…,Xd}T

(6)

采用相空間重構技術，進行多媒體軟件安全漏洞的特征提取，安全漏洞挖掘的統計向量集為：

(7)

采用交叉融合方法，進行軟件安全漏洞的分布式融合，對軟件安全漏洞進行高維重構，得到模糊信息熵分布為：

(8)

在L+1到2L維空間中進行多媒體軟件安全漏洞檢測，得到漏洞分布模糊度函數為：

(9)

R2={Xd+1,Xd+2,…,Xd+m}T

(10)

(11)

式中，多媒體軟件安全漏洞的測試集V=[V1,V2,…,Vm]∈Rm×m是隨機匹配的，得到VVT=Im，∑=diag(σ1,σ2,…,σm)∈Rm×m。

采用交叉融合和特征匹配方法，構建多媒體軟件安全漏洞分布特征量挖掘模型，表示為：

(12)

2 多媒體軟件安全漏洞挖掘

2.1 安全漏洞的關聯信息融合

在大數據分布子空間中采用模糊測試技術進行多媒體軟件安全漏洞信息提取，軟件安全漏洞信息的多元化檢測統計量描述為：

采用高階統計分析方法，將軟件安全漏洞特征信息進行模糊度匹配，得到軟件安全漏洞分布熵函數為：

(14)

(15)

(17)

式中：E(Va)表示多媒體軟件安全漏洞分布的量化特征集，描述為：

r1(n)=r2(n)exp(-jω0Tp/2)，n=0,1,…,(N-3)/2

(18)

r2(n)=Aexp[j(ω0nT+θ)]，n=0,1,…,(N-3)/2

(19)

分別對r1(n)和r2(n)在(N-1)/2點進行時頻特征分解，采用多尺度分解方法，進行軟件安全漏洞信息特征匹配，實現安全漏洞的關聯信息融合[8]。

2.2 基于模糊測試技術的安全漏洞挖掘

結合自適應聚類處理方法，得到多媒體軟件安全漏洞在合并簇中的負載量：

R1(k)=R2(k)exp(-jω0Tp/2)，k=0,1,…,(N-3)/2

(20)

R2(k)=Akexp(jφk)，k=0,1,…,(N-3)/2

(21)

初始化N個信息聚類中心，得到交叉融合式多媒體軟件的層次結構可測集，表示為：

(23)

在最優收斂性條件下，將多媒體軟件的安全漏洞挖掘問題轉化為如下二乘規劃問題：

(26)

在模糊測試技術支持下，構建大數據多媒體軟件安全漏洞挖掘模型為：

(27)

式中Ps(si)表示多媒體軟件安全漏洞分布概念集出現在仿射分區區域S的概率。根據上述分析，采用模糊測試技術對提取的軟件安全漏洞的關聯特征進行自適應聚類和挖掘，實現多媒體軟件安全漏洞挖掘。

3 仿真測試分析

為驗證基于模糊測試技術軟件安全漏洞挖掘方法的實際應用效果，采用Matlab進行多媒體軟件安全漏洞挖掘仿真分析。信息采樣時間間隔為1s，漏洞狀態信息特征樣本集為1024，軟件安全漏洞信息分布的基頻頻率為20KHz，安全漏洞屬性類別數量為80，根據上述仿真參數設定，進行多媒體軟件安全漏洞挖掘，得到數據監測結果如圖2所示。

圖2 多媒體軟件安全漏洞監測

以圖2的數據為研究對象，進行多媒體軟件安全漏洞挖掘，得到挖掘結果如圖3所示。

圖3 多媒體軟件安全漏洞挖掘結果

分析圖3可知，在4次實驗過程中，本文方法的安全漏洞挖掘數據量始終在6MB以上，挖掘到的數據量較多，說明該方法能夠有效實現多媒體軟件安全漏洞挖掘。

測試不同方法的挖掘精度，得到對比結果如圖4所示。

圖4 多媒體軟件安全漏洞挖掘準確率對比

分析圖4得知，文獻[2]方法的挖掘準確率在27%～64%之間變化，是三種方法中挖掘準確率最低的。文獻[3]方法的挖掘準確率在61%～84%之間變化，而本文方法的挖掘準確率始終在94%以上，說明采用該方法進行多媒體軟件安全漏洞挖掘的精度較高，增強了多媒體軟件安全性。

結語

為提高交叉融合式多媒體軟件的安全性，提出基于模糊測試技術的軟件安全漏洞挖掘方法。采用線性擬合和特征參數融合方法進行軟件安全漏洞特征檢測，構建大數據挖掘的統計分析模型，在大數據分布子空間中進行多媒體軟件安全漏洞關聯信息的提取，采用模糊測試技術對提取到的安全漏洞關聯特征進行自適應聚類和挖掘，實現多媒體軟件安全漏洞挖掘。分析得知，研究方法的多媒體安全漏洞挖掘數據量始終在6MB以上，挖掘到的數據量較多，挖掘準確率始終在94%以上，挖掘準確性較高，提高了多媒體軟件的安全性。