本文研究了基于深度学习的软件漏洞挖掘方法,提出了基于卷积神经网络(convolutional neural network,CNN)和全局平均池化(global average pooling,GAP)的漏洞检测技术。首先,设计了一个基于深度学习的软件漏洞检测框架,该框架包括源代...本文研究了基于深度学习的软件漏洞挖掘方法,提出了基于卷积神经网络(convolutional neural network,CNN)和全局平均池化(global average pooling,GAP)的漏洞检测技术。首先,设计了一个基于深度学习的软件漏洞检测框架,该框架包括源代码预处理模块和漏洞检测模块两部分。然后,采用通用漏洞披露(common vulnerabilities and exposures,CVE)数据集对该方法进行了评估。最后,利用Python和TensorFlow进行了实验验证。实验结果显示,该方法在软件漏洞检测方面取得了良好的效果,具有较高的准确率和召回率,验证了其在软件安全领域的可行性和有效性。展开更多
文摘本文研究了基于深度学习的软件漏洞挖掘方法,提出了基于卷积神经网络(convolutional neural network,CNN)和全局平均池化(global average pooling,GAP)的漏洞检测技术。首先,设计了一个基于深度学习的软件漏洞检测框架,该框架包括源代码预处理模块和漏洞检测模块两部分。然后,采用通用漏洞披露(common vulnerabilities and exposures,CVE)数据集对该方法进行了评估。最后,利用Python和TensorFlow进行了实验验证。实验结果显示,该方法在软件漏洞检测方面取得了良好的效果,具有较高的准确率和召回率,验证了其在软件安全领域的可行性和有效性。
