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！

龙图腾网获悉重庆邮电大学申请的专利一种基于混合特征的代码漏洞检测及行风险排序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：CN119598465B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202411635247.0，技术领域涉及：G06F21/57；该发明授权一种基于混合特征的代码漏洞检测及行风险排序方法是由宋秀丽;王城设计研发完成，并于2024-11-15向国家知识产权局提交的专利申请。

本一种基于混合特征的代码漏洞检测及行风险排序方法在说明书摘要公布了：本发明属于网络空间安全领域，具体涉及一种基于混合特征的代码漏洞检测及行风险排序方法；包括：采集代码数据集并对其进行预处理；提取代码标记的向量；提取代码语句的向量；采用图注意力网络和池化层学习代码的图结构的全局特征向量；学习代码的语义全局特征向量；将图结构的全局特征向量与语义的全局特征向量加权拼接，得到混合特征向量；将混合特征向量输入到全连接层和Softmax层中进行训练，得到训练好的代码漏洞检测模型；利用HA‑IG方法对代码行进行风险排序，得到代码行的风险排序结果；本发明能够更好地应对不同类型和结构的代码，提高对多样化漏洞场景的适应性。

本发明授权一种基于混合特征的代码漏洞检测及行风险排序方法在权利要求书中公布了：1.一种基于混合特征的代码漏洞检测及行风险排序方法，其特征在于，包括：在训练过程中将代码输入到代码漏洞检测模型中进行训练，在测试过程中得到代码漏洞检测结果以及代码的行风险排序结果； 该方法包括以下步骤： S1：采集代码数据集并对其进行预处理，得到训练集和测试集； S2：采用预训练的Word2Vec提取代码标记的嵌入向量； S3：依次采用双向RG-LRU和多头WordAttention层提取代码语句的向量；依次采用双向RG-LRU和多头WordAttention层提取代码语句的向量的过程包括： S31：将代码标记的嵌入向量输入到双向RG-LRU层中进行学习，得到标记的隐藏状态表示； S32：将标记的隐藏状态表示输入到多头的WordAttention层中，得到标记的注意力分数； S33：将标记的隐藏状态表示与其各头的注意力分数进行加权求和，再除以注意力头数，得到代码语句的向量； S4：根据代码语句的向量，依次采用图注意力网络GAT和平均池化层学习代码的图结构的全局特征向量N1； S5：根据代码语句的向量，依次采用双向RG-LRU和多头SentenceAttention层学习代码的语义全局特征向量N2； S6：将代码图结构的全局特征向量与语义的全局特征向量加权拼接，得到混合特征向量； S7：将混合特征向量依次输入到全连接层和Softmax层中进行训练，得到训练好的代码漏洞检测模型； S8：在测试过程中，利用上述步骤对代码进行检测，并利用HA-IG方法对代码行进行风险排序，得到代码行的风险排序结果；在测试过程中，利用HA-IG方法对代码行进行风险排序的过程包括： S81：将根据多头WordAttention层中计算的标记的注意力分数按降序排列，取前k个选项，得到标记风险表； S82：按行求得各标记的集成梯度的平均值c； S83：按下列公式计算代码行的风险分数： 其中，riski表示代码行的风险分数，c表示该行所有标记的集成梯度的平均值，k表示标记风险表元素总数，t表示该行在标记风险表中排名最高的标记的名次若未出现在表中，则t＝k，asi表示多头SentenceAttention层中该代码行的注意力分数按头数求得的平均值，u表示缩放因子； 代码行各标记的集成梯度的平均值c的计算如下： 其中，IGit表示第i行第t个代码标记的集成梯度，xit表示第i行第t个代码标记的向量表示，x′it表示基线输入，F表示模型的预测函数，m表示第i行的标记总数； S84：将代码行的风险分数按降序排序，得到代码行的风险排序表。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2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。