딥러닝 기반 소스코드 취약점 자동 패치 시스템 설계 및 구현

국문 초록 (Abstract)

소스코드 내의 악성코드를 식별할 수 있는 기법으로는 소스코드 기반 분석과 바이너리 기반 분석, 2가지 방법이 있다. 하지만 소스코드 기반 분석 방법은 정확도가 높지만 악성코드가 들어있는 소스코드를 수집하기가 어렵고, 바이너리 기반 분석은 바이너리를 수집하는 것은 용이하지만 악성코드를 검출 및 분석 정확도가 떨어진다는 한계점이 있다. 본 연구에서는 이러한 기존의 소스코드 취약점 진단 기술 및 시스템의 문제점을 해결하기 위해 딥러닝을 이용하여 소스코드 취약점 제거를 위한 소스코드 데이터셋을 학습시켜 자동화된 패치까지 제공함으로써 일관된 소스코드 취약점 제거를 가능하게 하는 모델을 제안하고, 이를 시스템을 구현하였으며, 구현된 시스템에 대한 실험을 통해 성능평가를 수행하였다. 성능평가 결과, 소스코드 취약점 자동패치 정확도는 99.8%, 소프트웨어 취약점에 대한 점수화 확인, 발견된 취약점별 추적정보 확인, 행렬형 보기의 분류 정확도 확인 그리고 취약점 분석에 따른 자동 진단율은 96.5%의 결과를 얻을 수 있었다.

다국어 초록 (Multilingual Abstract)

Source-code-based and binary-based analysis techniques can identify malicious code in source code. Although the source code-based analysis method has high accuracy, it is difficult to collect source codes containing malicious codes. Although it is easy to collect binaries, the binary-based analysis method has limitations in that the accuracy of detecting and analyzing malicious codes is low. In this study, we propose a model that can learn source-code datasets to remove source code vulnerabilities using deep learning and automatically remove them. The model was implemented, and its performance was evaluated. The performance evaluation showed promising results, and the automatic patching of source code vulnerabilities achieved 99.8% accuracy. In addition, software vulnerabilities were scored 10 times, and the presence or absence of tracking information for each identified vulnerability was confirmed on five separate occasions. Notably, the automatic diagnosis rate based on the analysis was 96.5%.

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 2. 딥러닝 기반 소스코드 취약점 자동 패치 시스템 설계
• 3. 딥러닝 기반 소스코드 취약점 자동 패치 시스템 구현
• 4. 실험 평가
• 5. 결론
• References