一种基于比特翻转的机器学习代码库内存故障注入漏洞检测方法
知识产权简介
本发明涉及安全保护的技术领域，尤其涉及一种基于比特翻转的机器学习代码库内存故障注入漏洞的检测方法。通过扩展编译器功能对机器学习代码库中的敏感代码插入检测指令，以动态分析的方法检测存在风险的代码点位。在实际应用场景下针对特定的机器学习模型和数据集进行计算发现风险代码点位。然后基于Rowhammer技术对实际的硬件系统扫描内存设备（DRAM）的故障注入漏洞分布，最后结合机器学习代码库的风险代码点位和内存的故障注入漏洞分布，分析当前应用场景下，机器学习代码库中存在的内存故障注入漏洞。本发明的方法能在可以接受的时间开销范围内，准确检测出各种应用场景下机器学习代码库中存在内存故障注入漏洞的危险代码，从而保证机器学习模型在实际应用中的安全性和完整性。