基于自监督学习及多通道超图神经网络的漏洞检测方法与系统.pdfVIP

下载本文档

2
0
约2.06万字
约 17页
2023-06-26 发布于四川
举报
版权申诉

基于自监督学习及多通道超图神经网络的漏洞检测方法与系统.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明公开了一种基于自监督学习及多通道超图神经网络的漏洞检测方法，包括：获取函数级代码漏洞数据集并进行预处理，将代码文本通过代码分析工具转化为代码序列图。为不同通道构建表征高阶信息的模体，根据模体对代码序列图进行采样，得到多通道的代码序列超图，对预处理的代码文本数据利用word2vec训练为词向量表示。最后将代码序列超图和标签作为训练数据，训练超图神经网络，通过学习得到节点表征与超图表征，然后将超图表征进行拼接，经过单层感知机进行图分类。本发明同时引入了自监督学习，弥补了多通道之间的信息损失，通

(19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 113609488 B (45)授权公告日 2022.07.08 (21)申请号 202110812286.3 (56)对比文件