检索结果-内蒙古大学图书馆

计算机学报 2024年第2期47卷 337-374页

作者：苏小红郑伟宁蒋远魏宏巍万佳元魏子越哈尔滨工业大学计算学部哈尔滨150001

源代码漏洞自动检测是源代码漏洞修复的前提和基础,对于保障软件安全具有重要意义.传统的方法通常是基于安全专家人工制定的规则检测漏洞,但是人工制定规则的难度较大,且可检测的漏洞类型依赖于安全专家预定义的规则.近年来,人工智能技... 详细信息

源代码漏洞自动检测是源代码漏洞修复的前提和基础,对于保障软件安全具有重要意义.传统的方法通常是基于安全专家人工制定的规则检测漏洞,但是人工制定规则的难度较大,且可检测的漏洞类型依赖于安全专家预定义的规则.近年来,人工智能技术的快速发展为实现基于学习的源代码漏洞自动检测提供了机遇.基于学习的漏洞检测方法是指使用基于机器学习或深度学习技术来进行漏洞检测的方法,其中基于深度学习的漏洞检测方法由于能够自动提取代码中漏洞相关的语法和语义特征,避免特征工程,在漏洞检测领域表现出了巨大的潜力,并成为近年来的研究热点.本文主要回顾和总结了现有的基于学习的源代码漏洞检测技术,对其研究和进展进行了系统的分析和综述,重点对漏洞数据挖掘与数据集构建、面向漏洞检测任务的程序表示方法、基于机器学习和深度学习的源代码漏洞检测方法、源代码漏洞检测的可解释方法、细粒度的源代码漏洞检测方法等五个方面的研究工作进行了系统的分析和总结.在此基础上,给出了一种结合层次化语义感知、多粒度漏洞分类和辅助漏洞理解的漏洞检测参考框架.最后对基于学习的源代码漏洞检测技术的未来研究方向进行了展望.

关键词：软件安全源代码漏洞检测漏洞数据挖掘漏洞特征提取代码表示学习深度学习模型可解释性漏洞检测

来源：评论

学校读者我要写书评

暂无评论

基于深度表征学习的软件源代码漏洞检测研究

基于深度表征学习的软件源代码漏洞检测研究

引用

作者：袁雪云南师范大学

学位级别：硕士

随着各类计算机软件的普及应用,软件漏洞的种类和数量日益增加,这就给软件系统安全带来了极大的威胁。软件漏洞识别对于保护软件系统免受攻击至关重要,传统的漏洞识别方法依赖于人工分析,检测成本高,基于机器学习的代码漏洞检测方法只... 详细信息

随着各类计算机软件的普及应用,软件漏洞的种类和数量日益增加,这就给软件系统安全带来了极大的威胁。软件漏洞识别对于保护软件系统免受攻击至关重要,传统的漏洞识别方法依赖于人工分析,检测成本高,基于机器学习的代码漏洞检测方法只能获得代码的浅层特征,难以适应复杂的代码漏洞检测任务,研究人员提出了许多深度学习方法来帮助开发人员在软件交付前识别漏洞,但由于公开的软件漏洞收集困难且数量相对较少,深度学习方法在软件漏洞检测领域面临着数据不足的挑战。为了缓解这一压力,在有限的数据中提取尽可能多的漏洞信息,从两个方面进行了研究。(1)本文设计了基于源代码复合特征的C程序漏洞检测方案。针对目前漏洞数据稀缺的现状,从有限的数据中提取更多的信息,使用代码的复合特征来进行漏洞检测。该方案使用了两种神经网络,分别从不同的代码表示形式中获取代码信息。为了对所提方法进行评估,在包含12个真实开源软件的数据集中进行实验,结果表明,使用代码的复合特征进行漏洞识别,与仅使用序列化特征或仅使用结构化特征相比,能够提高漏洞识别的准确率。将这一方案与其他方法进行比较,实验结果表明,所提方法与其他方法相比,能够识别更多的漏洞,在输出结果的前200个最有可能是漏洞的函数中,准确率可以达到51%,比一些现有方案例如Cross-VD高出了18%。(2)本文设计了基于轻量级Code BERT的C程序漏洞检测框架。在这个框架中,使用Code BERT作为特征提取器,根据不同的上下文信息,将源代码转换为不同的向量表示,使用随机森林对漏洞与非漏洞进行分类,可以很好地解决代码中一词多义问题。为了评估这一方法的有效性,将该方法与三种常用的词嵌入方法(Word2Vec,Glo Ve,Fast Text)进行了比较,实验结果表明,在包含了12个真实C程序的漏洞检测场景中,Code BERT作为词嵌入模型的能力要优于其他三种方法。在输出的结果中,所有的代码以函数为单位,按照是漏洞的概率进行排序,检索前1%最有可能是漏洞的函数时,Code BERT与Word2Vec,GloVe,FastText相比,准确率分别高出了15%,32%,20%。

关键词：深度表征学习代码特征提取源代码漏洞检测

来源：评论

学校读者我要写书评

暂无评论

基于图同构网络的源代码漏洞检测研究

基于图同构网络的源代码漏洞检测研究

引用

作者：王俐文山东大学

学位级别：硕士

随着科学技术的发展,计算机软件已经融入到社会生产发展的各行各业,在国民生活甚至是国家发展中占据了非常重要的地位。一旦软件系统遭到攻击,可能会造成严重的经济损失甚至社会问题,因此软件安全是不可忽视的问题。目前影响软件安全的... 详细信息

随着科学技术的发展,计算机软件已经融入到社会生产发展的各行各业,在国民生活甚至是国家发展中占据了非常重要的地位。一旦软件系统遭到攻击,可能会造成严重的经济损失甚至社会问题,因此软件安全是不可忽视的问题。目前影响软件安全的一个重要因素就是代码漏洞,C/C++作为广泛使用于操作系统、驱动和软件基础组件开发中的底层语言,其中的代码漏洞影响尤其突出。在软件的早期阶段,及时对软件源代码进行漏洞检测可以及时发现漏洞。目前主流漏洞检测方法有两种:一种是基于规则的漏洞检测,该方法由于需要专家定义漏洞规则、过于依赖人工经验知识导致具有较高的漏报率和误报率。另一种是基于学习的方法,该方法需要提取代码特征并且训练神经网络模型进行检测,因此代码的特征提取是否准确、完整以及神经网络模型选择是否合适对检测结果有很大影响。为了解决上述两种方法的不足,提高检测结果的准确率,本文针对提取的代码特征图建立了基于图同构神经网络的源代码漏洞检测模型,并进行了实验验证分析,结果表明基于图同构神经网络的源代码漏洞检测系统可以有效提高漏洞检测能力。主要研究内容如下:(1)首先分析了当前主流的源代码漏洞检测机制,详细介绍了漏洞检测原理、现有漏洞检测方法、图神经网络及在图分类任务中的应用。针对程序语义信息提取不足以及图神经网络选择不当导致的源代码漏洞检测漏报率和误报率较高的问题,提出了一种基于图同构神经网络的源代码漏洞检测方法。(2)针对源代码特征结构提取不全导致源代码漏洞检测准确率低的问题,本文探究了如何提取准确、完整的源代码图表示结构。通过构造程序语法图、控制依赖图、数据依赖图以及函数调用图用来丰富程序的语法语义信息,精确表达源代码语义信息,为训练网络模型提供准确、完整的输入。(3)在获得准确、完整的源代码程序图的基础上,分析了传统图神经网络结构,发现其中缺乏对图同构问题的研究。由于图中节点含有源代码tokens信息,传统的图神经网络在图分类任务中会丢失掉这些关键信息。因此本文采用图同构神经网络,设计了基于图同构神经网络的源代码漏洞检测模型,通过将代码图输入到图同构神经网络训练模型系统,从而进行源代码漏洞检测。(4)针对本文提出的源代码漏洞检测方法,在C/C++编程语言数据集上进行实验评估,实验结果表明,与FUNDED相比,考虑了图同构信息并且利用图同构神经网络进行漏洞检测导致准确率平均提高了 3.9%。

关键词：源代码漏洞检测程序图图同构图同构神经网络

来源：评论

学校读者我要写书评

暂无评论

基于图神经网络的源代码漏洞检测方法研究

基于图神经网络的源代码漏洞检测方法研究

引用

作者：李佩璇南昌大学

学位级别：硕士

随着信息化建设的推动,软件数量持续扩增,对漏洞检测的研究需求也日益增大。近年来,深度学习相关领域的快速发展为漏洞检测提供了新的研究思路与方向。为提升源代码漏洞检测方法的性能,本文从代码表示、特征提取、检测结果可解释性三个... 详细信息

随着信息化建设的推动,软件数量持续扩增,对漏洞检测的研究需求也日益增大。近年来,深度学习相关领域的快速发展为漏洞检测提供了新的研究思路与方向。为提升源代码漏洞检测方法的性能,本文从代码表示、特征提取、检测结果可解释性三个角度进行了研究,提出了一种代码表示模型和一种漏洞检测模型,并结合图神经网络解释模型提出一种新的漏洞检测算法,最后通过实验验证了模型和算法的有效性和可行性。主要研究内容与成果如下: 1.提出了一种基于程序依赖图的代码表示模型。针对现有代码表示方法中程序语义信息提取不足的问题,该模型融合源代码图结构表示策略和节点特征提取策略,将源代码解析成融合多种代码表示形式的语义综合图,并针对不同抽象级别的代码表示形式选取不同的网络模型提取特征。实验结果表明,该模型能够高效且全面地对代码语义信息进行表征,并且改善检测模型对漏洞特征的感知能力,提高漏洞检测效果。 2.提出了一种基于图卷积神经网络与注意力机制的漏洞检测模型。该模型在代码表示模型的基础上,提出了基于层次化语义感知的程序特征提取策略,同时考虑了代码局部和全局的语义信息,从而更全面地学习代码中的漏洞模式。并且,本文通过利用自注意力机制改进图卷积神经网络来构建程序编码网络,缓解了图神经网络随深度增加产生的过平滑问题。在不同类型数据集上的实验结果表明,该模型检测能力更好,综合来看要优于其他漏洞检测模型。 3.提出了一种基于图神经网络可解释性模型的漏洞检测算法。针对目前粗粒度漏洞检测结果缺乏可解释性的问题,该算法在一种通用的图神经网络解释模型上设计并增加了一个权重优化器,然后利用改进后的解释模型指出具体的漏洞代码行,进一步提供细粒度的解释结果。实验结果表明,相比于其他解释模型,改进后的解释模型在保证解释效果的同时也降低了解释成本开销,验证了该算法在源代码细粒度漏洞检测上的有效性和可行性。

关键词：源代码漏洞检测图神经网络代码表示图神经网络可解释性

来源：评论

学校读者我要写书评

暂无评论

基于图神经网络的源代码漏洞检测方法研究

基于图神经网络的源代码漏洞检测方法研究

引用

作者：汪宇东华大学

学位级别：硕士

随着互联网时代的发展,软件技术的应用越来越普遍,对相应软件的漏洞检测要求高效、准确。然而,软件漏洞是多种多样的,通过源代码检测漏洞对开发人员的专业经验要求很高。以往的漏洞检测方案要么依赖专家定义的特征,要么只对代码序列使... 详细信息

随着互联网时代的发展,软件技术的应用越来越普遍,对相应软件的漏洞检测要求高效、准确。然而,软件漏洞是多种多样的,通过源代码检测漏洞对开发人员的专业经验要求很高。以往的漏洞检测方案要么依赖专家定义的特征,要么只对代码序列使用递归神经网络,很难在传统的代码空间中提取复杂的漏洞特征。近年来,随着人工智能技术的蓬勃发展,一些学者开始尝试提取源代码的抽象表示图,结合图神经网络用于软件漏洞检测,但目前此类研究工作仍处于探索阶段。在此背景下,本文对基于图神经网络的源代码漏洞检测工作展开了研究。本文所做的主要工作如下:首先,提出了拓展代码属性图（Expansion Code Property Graph,ECPG）,并引入傅里叶变化关注到更多有效的节点特征信息。本文在Yamaguchi[18]等人提出的代码属性图上添加了三种边类型,关注到了变量使用先后关系、条件表达式内部语句顺序关系等与漏洞有关的语义信息,构建了拓展代码属性图。在ECPG的基础上,本文引入傅里叶变换对图中节点的初始特征向量进行特征提取,该初始特征向量通过Wrod2Vec编码获得。通过实验证明,傅里叶变换操作为漏洞检测带来了不错的效果提升。其次,基于拓展代码属性图,引入了当前在图分类任务上表现优秀的图同构网络（GIN）。在其模型的基础上,为了有效的利用所有深度的全局信息,本文通过结合自注意力机制改进了图读出的聚合操作,提出了基于自注意力机制读出信息的图同构网络（SAR-GIN）模型。通过实验证明,本文提出的SAR-GIN具有良好的漏洞检测能力,且拥有比GIN模型更好的效果。再次,受SAR-GIN的启发,本文对其他漏洞检测工作中使用到的图卷积神经网络（GCN）也进行了相似的改进,提出了基于自注意力机制读出信息的图卷积神经网络（SAR-GCN）模型。通过实验证明,SAR-GCN拥有比GCN更好的漏洞检测能力。最后,为了综合利用本文提出的两种模型,进一步提升源代码漏洞检测的效果,本文提出了基于SAR-GIN和SAR-GCN的集成模型IVD（Integrated Vulnerability Detection）。通过实验证明,IVD模型具有比单一模型更好的检测效果。使用论文[28]提供的数据集,对本文提出的IVD方法进行了测试,与其他三个基础模型,两款开源的静态代码扫描工具以及现有的一些基于深度学习的检测方法进行了对比。实验结果证明,IVD方法综合表现优于其他模型,可以有效应用于源代码漏洞检测中。

关键词：源代码漏洞检测图神经网络自注意力机制傅里叶变换

来源：评论

学校读者我要写书评

暂无评论

基于图网络的源代码漏洞检测研究

基于图网络的源代码漏洞检测研究

引用

作者：孔维星西北大学

学位级别：硕士

计算机软件应用于各行各业,已经成为社会发展的支柱性产业之一,在国计民生中占据着重要的地位。一旦软件系统遭受到攻击,就会给社会带来巨大的损失。如何及时发现软件程序中的潜在漏洞,尽早修复,以避免造成更大的损失,这对于保护软件提... 详细信息

计算机软件应用于各行各业,已经成为社会发展的支柱性产业之一,在国计民生中占据着重要的地位。一旦软件系统遭受到攻击,就会给社会带来巨大的损失。如何及时发现软件程序中的潜在漏洞,尽早修复,以避免造成更大的损失,这对于保护软件提供商和用户的权益至关重要。在软件生命的早期阶段,对软件源代码进行漏洞检测,就可以及早的发现潜在漏洞。目前已有的源代码漏洞检测方案主要分为基于规则的检测和基于学习的检测方法,前者由于规则覆盖不全往往导致误报率较高;而后者由于目前机器学习的编码方式对程序语义表达欠缺致使准确率结果提升有限。为了解决以上方法存在的缺陷,进一步提升源代码漏洞检测的准确率,本文提出一种基于图神经网络的源代码漏洞检测方法Graph VDS,该方法借助图结构充分表达源代码语义关系,通过训练图卷积网络模型,检测源代码图是否含有漏洞。本文的主要研究内容如下:(1)本文系统的对当前主流的源代码漏洞检测机制进行分析,详细介绍了已有方法的基本原理、技术特点和存在的缺陷。总结了目前源代码漏洞检测普遍存在的漏洞规则覆盖不全、程序语义表达欠缺的问题,并针对性提出了一种基于图神经网络的源代码漏洞检测方案。(2)针对传统机器学习中程序语义表达欠缺,致使准确率不高的问题,本文研究如何设计源代码的图表示方案。通过构造语法图、数据流图、控制流图、函数调用图,精确表达漏洞代码的语义关系,为训练模型提供准确的数据输入。(3)在准确获得漏洞代码语义表达的基础上,本文探讨了如何构造准确的图神经网络模型进行源代码漏洞检测,围绕源代码中可能导致漏洞的Sink函数调用模块,提取与Sink函数调用相关的代码子图,将代码图输入图神经网络,进行网络模型的训练或漏洞的检测。(4)针对本文提出的方法设计并实现原型系统Graph VDS,Graph VDS系统对Java和C/C++编程语言的多个数据集进行实验评估,实验结果表明,利用图网络模型,将F1值提高7.36%;为了验证系统在真实环境中的检测能力,系统在node-0.7.4-release上进行实验,发现了三个已披露漏洞和一个未披露漏洞。

关键词：源代码漏洞检测图神经网络源代码图机器学习

来源：评论

学校读者我要写书评

暂无评论

基于开源仓库与图网络相结合的源代码漏洞检测方法研究

基于开源仓库与图网络相结合的源代码漏洞检测方法研究

引用

作者：王焕廷西北大学

学位级别：硕士

源代码漏洞检测是确保软件系统免受网络安全攻击的关键。构建深度学习模型进行漏洞检测是目前重要的研究方向,但已有的工作在模型训练时大多将程序视为顺序序列或无类型代码属性图,由于忽略了代码本身的结构信息,因而导致产生大量的误... 详细信息

源代码漏洞检测是确保软件系统免受网络安全攻击的关键。构建深度学习模型进行漏洞检测是目前重要的研究方向,但已有的工作在模型训练时大多将程序视为顺序序列或无类型代码属性图,由于忽略了代码本身的结构信息,因而导致产生大量的误报情况。为了改进上述问题,本文提出一个新型漏洞检测模型框架FUNDED,利用图神经网络(GNNs)构建基于图关系的漏洞模式匹配方法,用以捕获程序的控制,数据,调用和依赖等代码间的关系。与以前的工作相比,FUNDED可以学习并提取程序源代码的图形表示,其中每条语句通过不同边关系与其他语句连接。通过上述方法,FUNDED可以捕获多种程序语法,语义和数据流关系,从而提升漏洞模型检测的精度。为了提升模型训练数据集的质量并扩充数据的泛化能力,本文将概率学习和统计评估相结合,实现自动从开源项目中收集高质量的训练样本。这一方法提供了许多真实环境下易受攻击的代码样本,以补充标准漏洞数据库中有限的训练样本,从而提供了足够的训练数据来构建有效的深度学习模型。本文的主要贡献如下:(1)首先,针对漏洞检测模型的训练代码样本不足,质量参差不齐的问题。我们使用集成学习技术,基于多种传统分类器,提出了一种基于“专家集成”的软投票机制,通过多个分类器的预测分数来帮助收集漏洞数据。同时,使用保型评估分类技术对不符合漏洞训练数据质量要求的样本进行过滤,并且利用这些技术构建了一个高质量的漏洞数据集。(2)其次,为了解决由于程序表征方法和传统神经网络造成的对源代码的深层语义信息和结构信息的学习限制而导致的模型漏洞检测效果差的问题,本文通过扩展抽象语法树的边的关系并借助代码数据流和控制流,提出了一种具有八种不同关系的代码属性图;并且使用门控图神经网络对代码属性图的结构信息进行学习,来学习更有效的漏洞模式对漏洞进行检测。(3)最后,本文结合上述方法实现了一个全自动的漏洞收集和检测系统,并且在C,Java,Php和Swift语言上进行了数据集质量评估,与五个最新的数据收集模型和六个漏洞检测系统进行了比较。实验表明,FUNDED在所有评估中均明显优于其他方法。

关键词：开源代码仓库软件漏洞源代码漏洞检测深度学习图神经网络

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网络的源代码漏洞检测模型

引用

通信技术 2022年第4期55卷 493-499页

作者：梁树彬郑力钟杰胡勇四川大学网络空间安全学院四川成都610207 中物院成都科学技术发展中心四川成都610299

深度学习被应用于源代码漏洞检测,以解决传统的源代码漏洞检测方法高误报率、高漏报率等问题,但常见的基于循环神经网络的方法面临训练速度慢、可解释性差等问题。针对这些问题,提出了一种结合卷积神经网络和高速神经网络的源代码漏洞... 详细信息

深度学习被应用于源代码漏洞检测,以解决传统的源代码漏洞检测方法高误报率、高漏报率等问题,但常见的基于循环神经网络的方法面临训练速度慢、可解释性差等问题。针对这些问题,提出了一种结合卷积神经网络和高速神经网络的源代码漏洞检测模型。该模型使用代码切片作为代码表征,通过卷积神经网络提取特征,结合高速神经网络学习代码的高级特征,并使用显著图对模型检测结果进行解释。实验结果表明,与现有方法相比,该模型可大幅降低漏报率,有效提升准确率、F1分数、马修斯相关系数等指标,还能够提升训练与预测速度。

关键词：源代码漏洞检测深度学习卷积神经网络高速神经网络

来源：评论

学校读者我要写书评

暂无评论

面向源代码的软件漏洞静态检测综述

引用

网络与信息安全学报 2019年第1期5卷 1-14页

作者：李珍邹德清王泽丽金海华中科技大学计算机科学与技术学院湖北武汉430074 华中科技大学服务计算技术与系统教育部重点实验室湖北武汉430074 华中科技大学集群与网格计算湖北省重点实验室湖北武汉430074 华中科技大学湖北省大数据安全工程研究中心湖北武汉430074 深圳华中科技大学研究院广东深圳518057

软件静态漏洞检测依据分析对象主要分为二进制漏洞检测和源代码漏洞检测。由于源代码含有更为丰富的语义信息而备受代码审查人员的青睐。针对现有的源代码漏洞检测研究工作,从基于代码相似性的漏洞检测、基于符号执行的漏洞检测、基于... 详细信息

软件静态漏洞检测依据分析对象主要分为二进制漏洞检测和源代码漏洞检测。由于源代码含有更为丰富的语义信息而备受代码审查人员的青睐。针对现有的源代码漏洞检测研究工作,从基于代码相似性的漏洞检测、基于符号执行的漏洞检测、基于规则的漏洞检测以及基于机器学习的漏洞检测4个方面进行了总结,并以基于源代码相似性的漏洞检测系统和面向源代码的软件漏洞智能检测系统两个具体方案为例详细介绍了漏洞检测过程。

关键词：软件漏洞源代码漏洞检测代码相似性深度学习

来源：评论

学校读者我要写书评

暂无评论

基于CNN-GAP可解释性模型的软件源码漏洞检测方法

引用

电子与信息学报 2022年第7期44卷 2568-2575页

作者：王剑匡洪宇李瑞林苏云飞国防科技大学电子科学学院长沙410073

源代码漏洞检测是保证软件系统安全的重要手段。近年来,多种深度学习模型应用于源代码漏洞检测,极大提高了漏洞检测的效率,但还存在自定义标识符导致库外词过多、嵌入词向量的语义不够准确、神经网络模型缺乏可解释性等问题。基于此,该... 详细信息

源代码漏洞检测是保证软件系统安全的重要手段。近年来,多种深度学习模型应用于源代码漏洞检测,极大提高了漏洞检测的效率,但还存在自定义标识符导致库外词过多、嵌入词向量的语义不够准确、神经网络模型缺乏可解释性等问题。基于此,该文提出了一种基于卷积神经网络(CNN)和全局平均池化(GAP)可解释性模型的源代码漏洞检测方法。首先在源代码预处理中对部分自定义标识符进行归一化,并采用One-hot编码进行词嵌入以缓解库外词过多的问题;然后构建CNN-GAP神经网络模型,识别出包含CWE-119缓冲区溢出类型漏洞的函数;最后通过类激活映射(CAM)可解释方法对结果进行可视化输出,标识出可能与漏洞相关的代码。通过与Russell等人提出的模型以及Li等人提出的VulDeePecker模型进行对比分析,表明CNN-GAP模型能达到相当甚至更好的性能,且具有一定的可解释性,便于研究人员对漏洞进行更深入的分析。

关键词：源代码漏洞检测深度学习神经网络可解释性

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：