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！

龙图腾网获悉华南理工大学申请的专利基于预训练代码语言模型和卷积神经网络的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：CN119442246B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411459493.5，技术领域涉及：G06F21/57；该发明授权基于预训练代码语言模型和卷积神经网络的漏洞检测方法是由陆璐;廖霆锋设计研发完成，并于2024-10-18向国家知识产权局提交的专利申请。

本基于预训练代码语言模型和卷积神经网络的漏洞检测方法在说明书摘要公布了：本发明涉及漏洞检测技术领域，为基于预训练代码语言模型和卷积神经网络的漏洞检测方法，包含以下步骤S1、获取漏洞数据集，对漏洞数据集进行预处理，构建模型训练数据集。S2、根据模型训练数据集的源代码获取数据传播链和代码token序列，对数据传播链和token序列进行嵌入得到源代码对应的嵌入向量；S3、构建漏洞检测模型，对漏洞检测模型进行训练得到训练好的漏洞检测模型；S4、通过训练好的漏洞检测模型输出待检测的源代码是否存在漏洞。本发明构建基于预训练代码语言模型和卷积神经网络的漏洞检测模型，采用了数据传播链和代码token序列作为模型输入，可以学习到源代码的语义信息和结构信息，捕获关键的漏洞特征，提高了漏洞检测的准确性和有效性。

本发明授权基于预训练代码语言模型和卷积神经网络的漏洞检测方法在权利要求书中公布了：1.基于预训练代码语言模型和卷积神经网络的漏洞检测方法，其特征在于，包括以下步骤： S1、获取漏洞数据集，对漏洞数据集进行预处理，构建模型训练数据集； S2、根据模型训练数据集的源代码获取数据传播链和代码token序列，对数据传播链和token序列进行嵌入得到源代码对应的嵌入向量； 所述根据模型训练数据集的源代码获取数据传播链和代码token序列，包括： 采用Tree-sitter工具将源代码转换成抽象语法树，标记AST的叶子结点的位置，组成变量集合V； 对于变量集合V中的每个变量构造有向的边表示变量之间的传播关系； 筛选没有边流入的变量，记为初始节点集合； 以初始节点集合的每个变量作为初始节点，根据边关系集合E执行广度优先搜索算法，构造出以该变量为起点的数据传播链； 采用预训练代码语言模型GraphCodeBERT中的BPE序列化工具对源代码进行token序列化得到token序列，过滤token序列中的只有单个字符组成且非变量的token； 所述对数据传播链和token序列进行嵌入得到源代码对应的嵌入向量，包括： 将数据传播链和token序列连接成一个长序列I，通过预训练代码语言模型GraphCodeBERT对长序列I进行嵌入，将长序列I转换成向量得到嵌入向量源代码对应的嵌入向量；长序列𝐼={[𝐶𝐿𝑆]，𝐶，[𝑆𝐸𝑃]，𝑉}，其中，C是源代码转换成的token序列及其在token序列中的位置，V是提取出的数据传播链中所有变量及边关系位置的集合，[𝐶𝐿𝑆]是一个特殊的token，被放置在序列的开始，[𝑆𝐸𝑃]是一个独特的token，用于分隔两种不同类型的数据； S3、构建基于预训练代码语言模型和卷积神经网络的漏洞检测模型，对漏洞检测模型进行训练，得到训练好的漏洞检测模型； 所述漏洞检测模型包括预训练代码语言模型模块、卷积神经网络模块和Sigmoid激活函数； 所述预训练代码语言模型模块为预训练代码语言模型GraphCodeBERT，预训练代码语言模型GraphCodeBERT包括12层的TransformerEncoder层，每层的TransformerEncoder在结构上包括前馈神经网络和掩码多头注意力机制；预训练代码语言模型GraphCodeBERT采用数据传播链和代码token序列的嵌入向量作为输入，嵌入向量经过12层的TransformerEncoder层后输出代码特征向量； 所述卷积神经网络模块包括输入层、隐藏层和输出层，其中隐藏层包括一个二维卷积层、5层Net_Block小网络层、一个最大池化层和全连接层，二维卷积层、5层Net_Block小网络层、一个最大池化层、全连接层之间依次连接，卷积神经网络模块的输入层连接预训练代码语言模型GraphCodeBERT的输出，输出层连接全连接层并输出1维的向量，通过Sigmoid激活函数输出预测概率； 所述二维卷积层的卷积核大小为3x512；所述每个Net_Block小网络层由一个最大池化层和两个一样的一维卷积层组成，最大池化层和一维卷积层的卷积核大小分别为4x1和3x1；5层Net_Block的输出经过一个最大池化层，最大池化层的卷积核大小为𝑥x1，其中𝑥对应Net_Block小网络层输出的张量的第三维度的大小； S4、将待检测的源代码进行预处理得到源代码对应的嵌入向量，通过训练好的漏洞检测模型输出待检测的源代码是否存在漏洞。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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。