声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2223/N
国际刊号：1000-0054
发布日期:
作者：管志斌, 王晓萌, 辛伟, 王嘉捷
单位：中国信息安全测评中心, 北京 100085
关键词：源代码缺陷检测,控制流,数据生成,样本标注,深度学习
基金：国家自然科学基金资助项目（U1736110，U1836209，U1936211，U1836113，U1936101）
在已有的基于深度学习的源代码缺陷检测方法中，所使用的训练数据和测试数据大多来源于仅供学术研究的测试源码，无法为深度学习模型的训练提供足够的数据支撑。因此，该文提出了一种源代码缺陷检测数据生成及标注方法。该方法在提取源代码控制流关系的基础上，应用已训练的深度学习模型和商业工具来完成源代码切片数据的标注。使用公开数据集SARD、NVD及开源软件Ffmpeg等进行验证，结果表明通过该方法能够生成直接用于深度学习的源代码缺陷检测数据集，为基于深度学习的源代码缺陷检测方法提供了数据支撑。
来源：2021年第11期
《清华大学学报(自然科学版)》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。