[发明专利]一种基于文本深度学习的软件安全漏洞预测方法在审
| 申请号： | 201810353774.0 | 申请日： | 2018-04-19 |
| 公开（公告）号： | CN108549817A | 公开（公告）日： | 2018-09-18 |
| 发明（设计）人： | 危胜军;钟浩;单纯;胡昌振;牛中盈 | 申请（专利权）人： | 北京理工大学;北京计算机技术及应用研究所 |
| 主分类号： | G06F21/57 | 分类号： | G06F21/57;G06F17/30;G06F17/27 |
| 代理公司： | 北京理工大学专利中心 11120 | 代理人： | 高燕燕 |
| 地址： | 100081 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明为一种基于文本深度学习的软件安全漏洞预测方法，采用深度神经网络模型和浅层机器学习算法从历史软件源代码文本中学习特征和知识，能够用于对新的软件源代码中的安全漏洞进行预测。本发明采用深度神经网络模型学习软件源代码文本特征中的结构性特征，将学习到的特征作为分类器的输入，对分类器进行训练调整，获得最优的漏洞预测模型，用于该软件的新的软件模块的漏洞预测。 | ||
| 搜索关键词： | 软件安全漏洞 神经网络模型 软件源代码 预测 文本 分类器 学习 源代码 机器学习算法 结构性特征 安全漏洞 软件模块 文本特征 学习软件 训练调整 预测模型 漏洞 浅层 | ||
【主权项】：
1.一种基于文本深度学习的软件安全漏洞预测方法，其特征在于，针对软件的源代码，以其中的软件模块为处理单元，统计每个单词在源代码文本中出现频率，将单词及单词出现的频率作为该源代码文本的特征向量，该特征向量作为基于深度神经网络结构的特征学习器的输入，特征学习器对其进行学习得到特征向量的结构性特征，该结构性特征作为分类器的输入，对分类器的参数进行训练调整，获得最优的漏洞预测模型，用于该软件的新的软件模块的漏洞预测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京理工大学;北京计算机技术及应用研究所，未经北京理工大学;北京计算机技术及应用研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810353774.0/，转载请声明来源钻瓜专利网。
