_原文标题：V-SZZ: Automatic Identification of Version Ranges Affected by CVE Vulnerabilities
__原作者：Lingfeng Bao，Xin Xia*，Ahmed E. Hassan，Xiaohu Yang
__发表会议：2022 IEEE/ACM 44th International Conference on Software Engineering (ICSE)
__原文链接：https://ieeexplore.ieee.org/document/9794006
__主题类型：漏洞版本影响、SZZ、V-SZZ
_笔记作者：octopus
过去对漏洞的研究主要为漏洞管理，漏洞补丁，漏洞识别等，很少有研究漏洞所影响的版本问题。但是，漏洞影响版本是很值得探讨的问题，因为许多政府、企业等所用的软件严重依赖NVD、CVE等漏洞数据库所揭露的漏洞来制定软件安全策略，若当前使用的版本存在脆弱版本，则需要执行打补丁更新等操作。但是，NVD等数据库所揭露的版本不一定正确，这就导致了企业和软件供应链可能错误的更新补丁，造成人力资源等浪费。
基于上述问题，作者评估了SZZ算法以及出现的许多变体的SZZ(AG-SZZ, MA-SZZ, 和 RA-SZZ)算法是否能够准确的识别漏洞诱导提交，并对原始的SZZ算法改进，提出了V-SZZ算法，以之前的算法为基线，得出了改进的V-SZZ算法准确度，并基于诱导提交有效地细化脆弱版本，再手工验证了受这些漏洞影响的软件版本，得出最后结果。
构建链接CVE漏洞的数据集，涵盖c/c++项目和Java项目，并手工验证了受这些漏洞影响的软件版本
验证传统的SZZ算法是否能正确找出诱导提交以及判断出正确的脆弱版本
基于SZZ算法提出改进算法，使得该方法能够更有效识别漏洞诱导提交并据此细化脆弱版本
包含以下语言的各项目
Vul：漏洞数
VFC：漏洞Fixing commits数
ZERO：没有删除行的漏洞修复提交
SMALL：多于0少于等于5的删除行提交
LARGE：多于5行的删除代码提交
作者排除了四类样本：
没有在CVE、NVD数据库中的漏洞
ZERO类漏洞，因为这种情况可认为所有代码都为漏洞代码，即为Inducing commits
LARGE类漏洞，删除行太多，不易识别此类代码行
项目版本标签与NVD发布的版本没有任何对应的漏洞
因此，最后实验数据集从剩下的C/C++每个项目中随机挑选20个漏洞共计100个，41个Java项目中剩余的72个漏洞，共计172个漏洞总数和188个提交
Inducing commits：第一个诱导漏洞的提交
Fixing commits：解决漏洞的提交
Duplicated fixing commits：将Fixing commits合并到另一分支上的提交
Previous commits：Fixing commits的前一个提交
descendants commits：在改变Fixing commits修改的行之前的所有提交
原始的VSS算法认为previous commits即为inducing commits，这是不精确的。因为在previous commits之前的提交很有可能存在引发漏洞的某几行代码的更改，意味着previous commits不是第一个修改Fixing commits修改的行的提交，在之前的存在称为descendants commits，找到第一个修改那些行的提交才能认为是inducing commits
对于修复提交的每一个修改行，使用git blame命令去识别之前的提交(忽略非语义行代码)，然后应用行映射算法，去将修改的行映射到识别到的之前的提交的那一行，接着使用git blame迭代上述步骤，直到找到映射出的行被作为新行，第一次被加在代码里，那此时的提交即为Inducing commit
Java项目：使用语法树(AST)来映射修改行
C/C++项目：使用行间的字符串相似性与本地化映射
在一个项目中，把一个分支的某个提交提交到另一个分支上是很常见的，通常使用命令git cherry-pick实现。如果仅仅对某一个分支执行git blame指令，可能会忽略掉其他的分支，导致结果不准确。
如果使用命令git cherry-pick实现，通常会存在git消息中生成“herry picked from commit xxx”，据此可以轻易的判断出这个提交是从哪个分支上提交过来，但若没有此消息，作者将所有的提交块进行哈希，当给定一个提交时，可以将其哈希并且与所有哈希进行匹配，匹配成功的那些提交块则认为是复制过去的提交
根据上面找的Inducing commits，再找到可抵达其的提交(可抵达意味着他们两个提交属于相同的祖先或父母)的版本号作为，然后在找到可抵达Fixing commits的提交的版本号作为，两者的差值即为脆弱版本集合
对于C/C++和Java项目，其召回率和精确度和F1分数基本都领先其余SZZ算法，其在检测诱导提交和正确的版本号都具有更显著的效果
选择的数据集太少，导致应用型较弱
在进行行映射时准确度不高，有误报
无法应对较多行代码修改的情形
只针对两种编程语言
手工标注提交效率低，容易出错，在大数据集下难以实行
增加编程语言
利用nlp技术进行代码匹配
改进标注方法
尝试新的办法而不是只专注对漏洞代码行更改的地方
安全学术圈招募队友-ing
有兴趣加入学术圈的请联系 secdr#qq.com
