We leverage 23 coding style attributes and propose two automatic coding style imitation and hiding attacks. We propose an innovative framework RoPGen, which learns authors’ coding style patterns that
Zhen Li, Deqing Zou, Shouhuai Xu, Hai Jin, Yawei Zhu, Zhaoxuan Chen. SySeVR: A Framework for Using Deep Learning to Detect Software Vulnerabilities. IEEE Transactions on Dependable and Secure Computin
VulDeeLocator: A Deep Learning-Based Fine-Grained Vulnerability Detector
Database of "VulDeePecker: A Deep Learning-Based System for Vulnerability Detection" (NDSS'18)
华中科技大学网络空间安全学院系统与软件安全团队。主要从事与系统与软件安全相关的前沿技术的研究,包括但不限于:系统内生安全,云计算安全,物联网安全,安全检测,代码漏洞检测,软件供应链安全,区块链安全,芯片安全等。
我们从事系统与软件安全相关的前沿技术的研究,目前的主要研究方向为:
云系统安全构建
软件漏洞智能检测
恶意代码高效扫描
可信执行环境下的侧信道攻击的检测与防御
安全可控可修复的区块链平台
缺陷漏洞的自动定位技术
芯片安全测试与诊断
集成机器学习系统设计与硬件实现
电话:
传真:
邮箱: @hust.edu.cn
邮编: 430074
地址: 湖北省武汉市洪山区珞喻路1037号
国家网络空间安全学院