-
公开(公告)号：CN120012110A
公开(公告)日：2025-05-16
申请号：CN202510105009.7
申请日：2025-01-23
Applicant: 安徽大学
IPC: G06F21/57 , G06F18/241 , G06N3/0499 , G06N3/0455
Abstract: 本发明属于软件测试领域，具体涉及一种结合增强的图表示学习与transformer的漏洞检测方法、系统和装置。该方法构建包含预处理模块、特征提取模块和分类模块的漏洞检测模型。获取大量包含漏洞标签信息的源代码构成训练集和测试集，并利用包含聚焦损失的三元损失集对漏洞检测模块进行训练和测试；最后，利用经过测试的漏洞检测模型对源代码进行漏洞检测。其中，预处理模块根据源代码生成代码切片和切片子图。特征提取模块采用CodeBERT和EA‑GGNN模型进行特征提取并获得融合特征向量。分类模块采用MLP并基于融合特征向量生成源代码的漏洞检测结果。本发明解决了现有方法无法充分挖掘代码间依赖关系和全局信息，导致漏洞检测效率、精度和泛化性不足的问题。
Search Results
1
records
(took 0.017 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
