基于多關(guān)系結(jié)構(gòu)圖神經(jīng)網(wǎng)絡(luò)的代碼漏洞檢測(cè)
所屬分類：技術(shù)論文
上傳者：zhoubin333
文檔大?。?span>389 K
標(biāo)簽： 漏洞檢測(cè) 圖神經(jīng)網(wǎng)絡(luò) 注意力機(jī)制
所需積分：0分積分不夠怎么辦？
文檔介紹：針對(duì)常規(guī)漏洞檢測(cè)技術(shù)提取漏洞特征困難，存在高誤報(bào)率和高漏報(bào)率的問(wèn)題，提出了一種基于多關(guān)系結(jié)構(gòu)圖神經(jīng)網(wǎng)絡(luò)以及關(guān)系結(jié)構(gòu)圖注意力機(jī)制的源代碼漏洞檢測(cè)模型。首先通過(guò)代碼屬性圖提取代碼的語(yǔ)法和語(yǔ)義信息，并按照不同的語(yǔ)義關(guān)系劃分成不同的關(guān)系結(jié)構(gòu)圖,實(shí)現(xiàn)了代碼表示能力的增強(qiáng)。然后使用圖神經(jīng)網(wǎng)絡(luò)對(duì)圖結(jié)構(gòu)進(jìn)行表示學(xué)習(xí)，在網(wǎng)絡(luò)模型中引入后向邊以及關(guān)系結(jié)構(gòu)圖注意力機(jī)制，達(dá)到了更有效的學(xué)習(xí)漏洞特征的效果。最后為了驗(yàn)證模型的優(yōu)勢(shì)，在大型真實(shí)數(shù)據(jù)集上對(duì)模型進(jìn)行了廣泛評(píng)估，實(shí)驗(yàn)結(jié)果證明了該方法有效提高了漏洞檢測(cè)能力。
現(xiàn)在下載
VIP會(huì)員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。