一种基于图神经网络检测带有权重偏差的软件漏洞识别方法

    公开(公告)号:CN113378176B

    公开(公告)日:2023-06-23

    申请号:CN202110652749.4

    申请日:2021-06-11

    Abstract: 本发明公开了一种基于图神经网络检测带有权重偏差的软件漏洞识别方法,包括:将源代码中的单词和符号视为一个节点,将源代码采用构成图表示,获得每个节点的初始特征值和每个图的连接的边的初始特征;将产生的构成图作为输入,最终将获得重置门输出的信息和更新门输出的信息、以及自身节点的信息三者进行合并,再通过Sigmoid激活函数输出节点激活值,作为最终时刻的节点状态;当单词节点被充分更新后所述单词被聚合到函数代码的图形级表示、并基于该表示生成最终漏洞识别结果;使用–Dice系数将有缺陷的软件漏洞损失值最小化,从而识别软件漏洞。

    一种基于图神经网络检测带有权重偏差的软件漏洞识别方法

    公开(公告)号:CN113378176A

    公开(公告)日:2021-09-10

    申请号:CN202110652749.4

    申请日:2021-06-11

    Abstract: 本发明公开了一种基于图神经网络检测带有权重偏差的软件漏洞识别方法,包括:将源代码中的单词和符号视为一个节点,将源代码采用构成图表示,获得每个节点的初始特征值和每个图的连接的边的初始特征;将产生的构成图作为输入,最终将获得重置门输出的信息和更新门输出的信息、以及自身节点的信息三者进行合并,再通过Sigmoid激活函数输出节点激活值,作为最终时刻的节点状态;当单词节点被充分更新后所述单词被聚合到函数代码的图形级表示、并基于该表示生成最终漏洞识别结果;使用–Dice系数将有缺陷的软件漏洞损失值最小化,从而识别软件漏洞。

Patent Agency Ranking