.png){kind=icon}
返回
Detecting Fake Proof-of-Concept Codes on GitHub Using Static Code Analysis
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-95-4674-9_20.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
针对漏洞的可行性验证（PoC）代码在各种平台（包括GitHub）上广泛可用。安全研究人员和漏洞分析师可以有效利用它们来调查漏洞和创建攻击签名。然而，各种报告已警告存在假冒的PoC代码，这些代码旨在伪装成合法的PoC代码，以诱使用户执行恶意软件，如加密货币劫持恶意软件、信息窃取器和机器人恶意软件。为防止用户感染恶意软件，需要建立自动检测假冒PoC代码的方法。已有研究调查了在GitHub上发布的假冒PoC代码；然而，其检测方法会产生大量误报，因为它仅使用正则表达式识别潜在的可疑数据（如Base64编码字符串），而未检查此类数据在代码中的使用方式。在本文中，我们设计了一种新颖的检测方法，利用污点分析（一种静态代码分析技术）。具体而言，如果代码包含潜在的可疑数据，则检查数据流以检测使用该数据执行可疑操作（如外部通信或执行混淆命令）的代码片段。通过将该方法应用于GitHub上发布的PoC代码，我们证明可将误报率降低至现有方法产生误报的8.3%以下。
Keyword:
Proof-of-Concept code
Exploit code
Malware
Vulnerability
Static code analysis
期刊
A
IF:
0
论文数:
26
被引数:
0
机构
引用论文
Anomalicious: Automated Detection of Anomalous and Potentially Malicious Commits on GitHubAnomalicious：GitHub上异常和潜在恶意提交的自动化检测
OAAI
.png){kind=icon}
OAAI分享收藏
没有更多内容
没有更多内容