CN114489785B 一种基于图神经网络的通用缺陷检测方法 （南京大学）.pdfVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114489785B

(45)授权公告日2025.07.01

(21)申请号202210167928.3G06N3/08(2023.01)

G06F18/214(2023.01)

(22)申请日2022.02.23

G06F18/241(2023.01)

(65)同一申请的已公布的文献号

(56)对比文件

申请公布号CN114489785A

CN113360915A,2021.09.07

(43)申请公布日2022.05.13

CN113626034A,2021.11.09

(73)专利权人南京大学

审查员刘升

地址210023江苏省南京市栖霞区仙林大

道163号

(72)发明人王豫张弛徐安孜陈谦

王林章

(74)专利代理机构南京知识律师事务所32207

专利代理师张苏沛

(51)Int.Cl.

G06F8/75(2018.01)

G06N3/042(2023.01)权利要求书2页说明书8页附图2页

(54)发明名称

一种基于图神经网络的通用缺陷检测方法

(57)摘要

本发明公开一种基于图神经网络的通用缺

陷检测方法，包括以下步骤：程序预处理，提取程

序语义信息图节点的语义特征值，并对图形表示

向量化，生成模型需要的输入形式；构建基于图

神经网络的通用缺陷预测模型，用标签标记缺陷

样本分布，训练图神经网络的缺陷预测能力，将

训练过程中的最优模型作为通用缺陷检测模型；

使用通用缺陷检测模型对待测程序进行预测，自

定义目标缺陷类型，通用缺陷基于距离排名的缺

陷预测方法进行预测。特定缺陷为人工确认预测

结果，为待测程序添加标签并使用模型进行学

习，强化模型预测能力。本发明有效解决了目前

B的基于机器学习的缺陷预测方法需要大量训练

5数据学习缺陷特征，无法预测不在训练集中的缺

8

7

9陷类型的问题。

8

4

4

1

1

N

C

CN114489785B权利要求书1/2页

1.一种基于图神经网络的通用缺陷检测方法，其特征在于，包括如下步骤：

步骤一，程序预处理；以程序源码为输入，基于静态分析构建过程间程序语义信息图，

在此基础上，提取程序语义信息图节点的语义特征值，并对图形表示向量化，生成模型需要

的向量表示；所述程序预处理包括：生成程序源码对应的语句级别程序依赖图，以程序中每

一条语句为节点，以数据依赖和控制依赖为两种类型的边；将程序依赖图中的节点通过抽

象语法树进行扩展，即程序依赖图中每一个节点为一个抽象语法树的根节点，扩展后形成

新的图，图中包含程序依赖图节点和抽象语法树节点两种节点，包含数据依赖边、控制依赖

边和抽象语法树边三种边；保持语句级别的控制依赖边不变，将语句级别的数据依赖边下

放到抽象语法树的叶子结点，形成变量级别的数据依赖边；在基准程序的预处理过程中，对

于缺陷程序，提取导致缺陷的完整函数调用链；对