本发明公开了一种新颖的、基于长短期记忆网络(LSTM)的指令SDC脆弱性预测方法,当得到代码每一条指令的Silent Data Corruption(SDC)脆弱性相关特征时,我们不再需要大量的故障注入就可以通过预测模型找到程序中最脆弱的那些指令以往的指令的SDC脆弱性需要进行大量的故障注入操作才能得到,这个过程是极其耗费时间的,本发明通过对指令本身的固有特征和指令在传播路径中的依赖特征进行分析,从中找出和指令的SDC脆弱性关联最大的特征,并结合擅长处理序列数据的长短期记忆网络模型,实现对指令SDC脆弱性的识别,而不再需要大量的故障注入操作,节省了大量的时间和资源。