openssl项目的提交日志含有非常重要的信息，比如漏洞的发现和修复情况，而根据经验，一个漏洞的发现，其相关代码块以及修补代码块有较大可能性出现漏洞。另一方面，信息安全研究，完整而详细的漏洞数据是非常珍贵的，可以研究从漏洞数据中提取模式，或者函数特征，对其它项目代码进行审计。
需求：
1.提取漏洞修复相关的commit id
2.根据commit id获取修改版本前后的相关文件
1.提取漏洞修复相关的commit id
提取方式，这里主要是对git log进行关键字分析，如CVE，fix，leak，overflow等关键字的匹配。获取commit log的方式非常简单，将clone过来的代码包解压后，一行命令即可：git log > m_log.txt
可以看到m_log.txt中日志的组织形式如下：
一般进行关键字匹配时，以一个commit为匹配单元，regex = 'commit [0-9a-f]{40}\nAuthor'就可以唯一标识一个完整的commit日志。然后通过调整index获取数据单元，尽量少用通配符匹配的原因在于通配符往往具有非常低的匹配效率。
为了使得数据更加完备，git log命令获得的日志信息不包含分支的提交日志，可以通过查看github网站上一些对应分支的commit id，将版本恢复到该commit id后，再通过git log来获取所有该分支相关的日志。
2.根据commit id获取修改版本前后的相关文件
这里主要的思路分为五个步骤：
1.git reset —hard commit_id
2.git log | head -n 20
3.git diff commit_id1 commit_id2 > diff.txt
4.cp changed_filename dst
5.git reset —hard commit_id2;cp before_filename dst
核心代码如下：
代码中的一个优化部分，这里没有对整个log进行匹配分析，是因为已经获得了commit id，那么为了获取比对，知道修改的内容，仅仅需要获得当前之前的一个commit id即可。因为不能判断每一个commit有多大，这里通过动态调整LOG_HEAD变量大小，以处理20行日志没有包括之前commit id的情况。
网友评论