典型文献
基于卷积神经网络的源代码漏洞检测模型
文献摘要：
深度学习被应用于源代码漏洞检测,以解决传统的源代码漏洞检测方法高误报率、高漏报率等问题,但常见的基于循环神经网络的方法面临训练速度慢、可解释性差等问题.针对这些问题,提出了一种结合卷积神经网络和高速神经网络的源代码漏洞检测模型.该模型使用代码切片作为代码表征,通过卷积神经网络提取特征,结合高速神经网络学习代码的高级特征,并使用显著图对模型检测结果进行解释.实验结果表明,与现有方法相比,该模型可大幅降低漏报率,有效提升准确率、F1分数、马修斯相关系数等指标,还能够提升训练与预测速度.
文献关键词：
源代码漏洞检测;深度学习;卷积神经网络;高速神经网络
中图分类号：
作者姓名：
梁树彬;郑力;钟杰;胡勇
作者机构：
四川大学 网络空间安全学院,四川 成都 610207;中物院成都科学技术发展中心,四川 成都 610299
文献出处：
引用格式：
[1]梁树彬;郑力;钟杰;胡勇-.基于卷积神经网络的源代码漏洞检测模型)[J].通信技术,2022(04):493-499
A类：
高速神经网络,代码表征
B类：
源代码漏洞检测,检测模型,误报率,漏报率,循环神经网络,训练速度,速度慢,可解释性,模型使用,提取特征,神经网络学习,显著图,模型检测,马修斯,测速
AB值：
0.147949
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
