发明公开
- 专利标题: 基于代码属性图的软件老化缺陷深度语义特征学习方法
-
申请号: CN202311442939.9申请日: 2023-10-31
-
公开(公告)号: CN117743142A公开(公告)日: 2024-03-22
- 发明人: 向剑文 , 张晨 , 赵冬冬 , 胡文华 , 田璟
- 申请人: 武汉理工大学 , 武汉理工大学重庆研究院
- 申请人地址: 湖北省武汉市洪山区珞狮路122号;
- 专利权人: 武汉理工大学,武汉理工大学重庆研究院
- 当前专利权人: 武汉理工大学,武汉理工大学重庆研究院
- 当前专利权人地址: 湖北省武汉市洪山区珞狮路122号;
- 代理机构: 湖北武汉永嘉专利代理有限公司
- 代理商 黄帅
- 主分类号: G06F11/36
- IPC分类号: G06F11/36 ; G06F8/41 ; G06F16/901 ; G06N3/042 ; G06N3/045 ; G06N3/0455 ; G06N3/0464 ; G06N3/08
摘要:
本发明公开了一种基于代码属性图的软件老化缺陷深度语义特征学习方法,包括以下步骤:对源代码进行解析,生成包含抽象语法树、程序依赖图和控制流图的代码属性图;将生成的代码属性图进行图数据构建;对构建的图数据进行节点嵌入和图嵌入;对图数据进行子图采样;基于对图结构敏感的Transformer图神经网络进行模型训练,学习软件老化缺陷深度语义特征。本发明可以有效解决传统人工设计特征对源代码特征表征不足的缺陷,并改进现有深度语义特征模型对语义理解不足的弊端,大幅度提高软件老化缺陷集的特征质量。