本发明提供一种基于领域自适应的跨项目漏洞检测模型,通过深度神经网络学习项目代码特征,并采用领域自适应方法减小源项目和目标项目的数据分布差异,步骤包括:根据软件代码度量相似度分析选择源项目;解析项目源代码获取抽象语法树,并进行代码预处理;构建深度学习模型进行模型预训练;基于多域数据集学习源项目和目标项目的深度特征表示;使用半监督度量迁移学习框架(Semi‑Supervised Metric Transfer Learning,SSMTL)对源项目和目标项目的深度特征进行领域自适应处理;基于标记数据训练分类器,并对目标项目中的数据进行漏洞预测。该方案可适用于源项目中拥有充足的标记漏洞数据,通过利用漏洞检测模型提高目标项目的漏洞检测效率,降低人工成本。