随着互联网技术的发展与进步,软件的更新速度随之加快,应用范围愈发广泛,为人们的生活带来了极大的便利。与此同时,软件中存在的安全漏洞呈爆发式增长,且漏洞种类多样,对系统造成的危害程度各不相同。能否合理且高效地实现漏洞分类,将直接影响漏洞管理的效率。传统的漏洞分类多以人工判断为主,缺少自动化分析,对于安全工作人员来说,漏洞分类过程繁琐复杂,不仅工作量大,且周期长,不能应对日益增长的安全漏洞问题。基于以上背景,本文提出了一种基于漏洞元特征的漏洞智能分类技术,从漏洞触发过程中的真实数据中提取漏洞特征,以此作为漏洞分类的依据。该方法在软件运行时,将PoC(Proof of Concept)作为软件的输入以触发漏洞,进而造成程序崩溃;利用动态程序插桩技术监控软件运行状态,提取崩溃现场关键数据作为漏洞的原始特征;结合过滤式与包裹式特征选择方法,从漏洞原始特征中筛选出可反映漏洞核心属性的漏洞元特征;并针对不同的漏洞元特征集成性能最优的单特征分类模型,通过模型融合,最终构建出多特征的漏洞分类预测模型,用于对软件漏洞的验证与分类。通过对整体架构的测试,证明了该方法具有良好的预测分类能力,栈溢出漏洞分类的准确率达到了99.83%,可有效用于漏洞的自动验证与分类。