买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉哈尔滨工业大学申请的专利基于融合特征提示调优的语句级代码漏洞检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119475345B 。

龙图腾网通过国家知识产权局官网在2025-09-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411523678.8，技术领域涉及：G06F21/57；该发明授权基于融合特征提示调优的语句级代码漏洞检测方法是由苏小红;董肇会;郑伟宁;陶文鑫;魏宏巍;郑宇;柯晔坤设计研发完成，并于2024-10-30向国家知识产权局提交的专利申请。

本基于融合特征提示调优的语句级代码漏洞检测方法在说明书摘要公布了：本发明公开了一种基于融合特征提示调优的语句级代码漏洞检测方法，首先利用静态分析工具解析源代码，利用程序切片技术生成切片代码段；随后，将语句级别的硬提示和软提示相结合，形成融合特征提示；之后，融合切片特征和语句特征，将这些特征嵌入模型中；最后，利用融合特征提示调优和预训练模型实现语句级别的漏洞检测。该方法根据漏洞语句的特征设计提示模板，能够充分利用预训练知识，学习漏洞代码的结构和属性信息，使模型能够更准确地区分漏洞语句和非漏洞语句，减少误报的可能性。此外，该方法可以充分利用预训练模型对上下文的理解能力，捕捉代码中细微的语法和语义信息。

本发明授权基于融合特征提示调优的语句级代码漏洞检测方法在权利要求书中公布了：1.一种基于融合特征提示调优的语句级代码漏洞检测方法，其特征在于所述方法包括如下步骤： 步骤1：利用静态分析工具解析源代码，生成抽象语法树AST和程序依赖图PDG，然后利用程序切片技术生成切片代码段； 步骤2：将语句级别的硬提示和软提示相结合，形成融合特征提示，具体步骤如下： 步骤21：对输入的硬提示进行重构，在每条代码语句后添加自然语言提示语句，以重构模型输入； 步骤22：构建软提示输入，将一段可学习的连续向量作为提示内容，与原始的输入向量拼接起来作为新输入； 步骤23：将软提示与硬提示相结合，使用可学习的连续向量替代硬提示中非关键的自然语言部分，形成新的融合特征提示； 步骤3：生成语句的类型向量表示和语义向量表示，将二者加权融合，形成语句综合特征向量表示，具体步骤如下： 步骤31：根据代码的语法结构将代码语句分为Function、IdentifierDeclStatement、Condition、ExpressionStatement和Return五种语句类型； 步骤32：为每种语句类型生成one-hot编码向量，使用预训练模型生成语句的语义向量，为语句类型特征和语句的语义向量赋予可学习的权重和，生成加权融合后的语句综合特征向量：，其中n为代码行数，表示切片中的语句对应的语句类型向量； 步骤4：将切片代码段漏洞标签[0,1]转换为向量表示，作为切片代码段标签向量，其中表示切片代码段没有漏洞，表示切片代码段存在漏洞； 步骤5：分别为非漏洞语句和漏洞语句设计任务相关的标签集，用两个标签词来表示每个类别，漏洞语句标签集为{Terrible,Unsatisfactory}，非漏洞语句标签集为{Great,Satisfactory}； 步骤6：采用有监督学习方法，将切片代码段标签向量和语句综合特征向量拼接，得到每条语句的最终特征向量表示，将其送入CodeGeeX模型中，通过全连接层和softmax层进行前向计算结果，利用每条语句的类别标签信息计算交叉熵损失函数，根据误差反向传播调整网络参数，具体步骤如下： 步骤61：将切片代码段标签向量和语句综合特征向量拼接，得到语句最终向量表示，记为，表示切片代码段对应的标签向量，表示切片代码段没有漏洞，表示切片代码段存在漏洞； 步骤62：将向量送入CodeGeeX模型中，通过全连接层和softmax层，利用公式得到前向计算结果，其中表示第条语句的Softmax值，表示输入向量z的第个分量，表示输入向量的维度； 步骤63：利用每条语句的类别标签信息计算交叉熵损失函数，公式为，其中，N表示样本数，C表示类别数，表示第个样本在第类的真实标签，表示第个样本在第类的预测概率，优化损失函数调整软提示向量，权重系数和模型参数； 步骤7：用训练好的CodeGeeX模型对测试集进行漏洞检测，通过漏洞识别策略和漏洞定位策略分析漏洞检测结果，从而实现语句级的漏洞识别与漏洞定位。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。