龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：四川大学
摘要：本发明涉及源代码漏洞检测技术领域，公开了一种基于多特征融合和自注意力编码器神经网络的源代码漏洞分类检测方法，通过特定切点对PDG图结构进行前后向切片，从而得到切片子图；根据标签比例决定重复切片最终的标签为是否有漏洞；生成增强切片；规划化和分词；生成增强切片的向量表征；生成PDG图结构的介中心性编码和Node2Vec编码；将增强切片的向量表征以及PDG图结构的中心性编码和Node2Vec编码聚合作为训练数据，训练设计的基于自注意力机制的典型Transformer编码器架构漏洞检测模型；对漏洞数据集进行预测，完成漏洞类型的检测，起到了有效地融合了代码的语法、语义和文本信息，提高了漏洞检测率的效果。
主权项：1.一种基于多特征融合和自注意力编码器神经网络的源代码漏洞分类检测方法，其特征在于：包括下述步骤：1）将包含源代码数据流和控制流的PDG图结构，通过特定切点对PDG图结构进行前后向切片，从而得到切片子图；2）针对切片子图对应的源代码切片，统计重复切片，根据样本中有无漏洞的比例决定重复切片最终是否有漏洞；3）生成代码片段的完整AST，生成每个代码语句的抽象语法子树所对应的序列，将其添加到原始代码语句中生成增强切片；4）进行代码语句的符号化处理，并利用分词器对符号化处理后的代码语句进行分词；5）使用BERT预训练模型将增强切片转化为具有丰富语义信息及上下文关系的向量表征集，生成增强切片的向量表征；6）对PDG图结构进行中心性分析，生成对应的中心性编码，利用图嵌入方法Node2Vec生成能够表示图结构节点之间空间关系的Node2Vec编码；7）将增强切片的向量表征以及PDG图结构的中心性编码和Node2Vec编码聚合作为训练数据，训练设计的基于自注意力机制的典型Transformer编码器架构漏洞检测模型；8）采用训练的基于自注意力机制的典型Transformer编码器架构漏洞检测模型对漏洞数据集进行预测，完成漏洞类型的检测。
全文数据：
权利要求：
百度查询： 四川大学 一种基于多特征融合和自注意力编码器神经网络的源代码漏洞分类检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号