[发明专利]基于量子神经网络的软件漏洞检测方法及装置

权利要求书

1.基于量子神经网络的软件漏洞检测方法，其特征在于，包括：

步骤1：定位待检测目标程序中的API函数；

步骤2：根据所述API函数对所述待检测目标程序进行切片，得到若干个代码片段；

步骤3：对每个所述代码片段中的变量名和/或功能名称进行标准化；

步骤4：基于标准化后的若干个所述代码片段构建字典，然后按照二进制编码方式对所述字典中的每个单词进行编码，得到每个单词对应的二进制向量，接着对每个单词对应的二进制向量进行量子态角度编码，得到每个单词对应的量子态；

步骤5：将每个单词对应的量子态输入至训练好的基于量子神经网络的软件漏洞检测模型，得到所述待检测目标程序中的漏洞；量子神经网络模型的结构包括三部分：第一部分为由一系列非自适应的量子门构成的用于量子态制备的编码线路；第二部分为由一系列具有自适应参数的量子门构成的ansatz线路；第三部分为用于提取输出的测量线路；在对量子神经网络模型进行训练以得到训练好的基于量子神经网络的软件漏洞检测模型的过程中，采用公式（1）表示所述编码线路的酉变换：

(1)

其中，表示对单个单词进行编码线路的酉变换，i表示二进制向量中的第i位，表示量子比特的数量， 表示对单个单词进行编码的线路参数，表示张量积，表示门操作；

采用公式（2）表示所述ansatz线路的酉变换：

(2)

其中，U(θ)来表示对单个单词进行ansatz线路的酉变换，i₁、i₂、i₃、i₄、i₅分别表示量子态数据中的第i₁、i₂、i₃、i₄、i₅个量子比特位，CX表示CNOT门，θ表示用于学习的酉矩阵可调参数，表示门操作；

采用公式（3）实现当前代码片段中每个单词的酉变换：

（3）

基于所述公式（3），采用公式（4）测量得到当前代码片段中每个单词经过处理后所对应的量子态：

(4)

基于所述公式（3），采用公式（5）实现当前代码片段对应的整体量子线路的酉变换，并基于所述公式（4）和公式（5），采用公式（6）测量得到当前代码片段经过处理后所对应的所述整体量子线路的最终状态：

(5)

（6）

其中，j表示第j个单词， 表示当前代码片段对应的整体量子线路的酉变换，表示对代码片段中单个单词处理时的酉变换，H表示Hadamard 门， 表示量子线路中对代码片段中单个单词处理后的量子态，表示代码片段所对应的整体量子线路的初态，l_max是代码片段的最大长度，和分别表示代码片段中第l_max个单词的和， 和分别表示代码片段中第1个单词的和，和分别表示代码片段中第2个单词的和。