買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜北京中科卓信軟件測評技術(shù)中心申請的專利一種抗干擾的基于深度學習源代碼漏洞檢測方法及裝置獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119576747B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-04-04發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510139991.X，技術(shù)領(lǐng)域涉及：G06F11/362；該發(fā)明授權(quán)一種抗干擾的基于深度學習源代碼漏洞檢測方法及裝置是由李遠金;黃楚皓;高利文;程超;劉高天;程澤凱;蔣建春;胡陳勇;黃鸝設(shè)計研發(fā)完成，并于2025-02-08向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種抗干擾的基于深度學習源代碼漏洞檢測方法及裝置在說明書摘要公布了：本發(fā)明公布了一種抗干擾的基于深度學習源代碼漏洞檢測方法及裝置，包括神經(jīng)元偏差異常程度計算模塊、神經(jīng)元偏差異常程度調(diào)控模塊、實時驗證與更新參數(shù)模塊；通過在深度學習神經(jīng)網(wǎng)絡(luò)模型上增加深度學習網(wǎng)絡(luò)結(jié)構(gòu)防御層，構(gòu)建抗干擾的基于深度學習的源代碼漏洞檢測網(wǎng)絡(luò)模型，自適應(yīng)地調(diào)整神經(jīng)元抑制概率和動態(tài)調(diào)整神經(jīng)元的激活概率，增強模型的在擾動情況下的源代碼檢測效果，降低模型檢測的漏檢率。

本發(fā)明授權(quán)一種抗干擾的基于深度學習源代碼漏洞檢測方法及裝置在權(quán)利要求書中公布了：1.一種抗干擾的基于深度學習源代碼漏洞檢測方法，其特征在于，通過在深度學習神經(jīng)網(wǎng)絡(luò)模型上增加深度學習網(wǎng)絡(luò)結(jié)構(gòu)防御層，構(gòu)建抗干擾的基于深度學習的源代碼漏洞檢測網(wǎng)絡(luò)模型，自適應(yīng)地調(diào)整神經(jīng)元抑制概率和動態(tài)調(diào)整神經(jīng)元的激活概率，增強模型的在擾動情況下的源代碼檢測效果；包括如下步驟：1）構(gòu)建包含已知漏洞的源代碼數(shù)據(jù)集及代碼擾動策略庫；2）在深度學習神經(jīng)網(wǎng)絡(luò)模型上增加深度學習網(wǎng)絡(luò)結(jié)構(gòu)防御層，構(gòu)建抗干擾的基于深度學習的源代碼漏洞檢測網(wǎng)絡(luò)模型，基于神經(jīng)元異常偏差程度與隨機優(yōu)化進行動態(tài)防御；包括：21）獲取源代碼漏洞檢測網(wǎng)絡(luò)模型的隱藏層數(shù)據(jù)的神經(jīng)元激活值，基于隱藏層的神經(jīng)元偏差異常程度計算防御層的神經(jīng)元激活值；22）設(shè)計決策參數(shù)，利用神經(jīng)元偏差異常程度值篩選并調(diào)整異常神經(jīng)元；異常神經(jīng)元的調(diào)整方法包括：基于神經(jīng)元偏差異常程度的動態(tài)調(diào)整和隨機調(diào)整；其中，基于神經(jīng)元偏差異常程度的動態(tài)調(diào)整包括：根據(jù)神經(jīng)元偏差異常程度值生成相應(yīng)的位置掩碼矩陣emask；判斷每個位置的偏差程度是否異常；動態(tài)生成激活掩碼和抑制掩碼，用于控制活躍神經(jīng)元或低響應(yīng)的神經(jīng)元是否需要調(diào)整；基于三西格瑪準則動態(tài)調(diào)整神經(jīng)元偏差異常程度值；3）基于源代碼數(shù)據(jù)進行模型訓練，并實時調(diào)整偏差系數(shù)以及激活抑制概率；包括：31）計算當前損失值；通過損失函數(shù)對模型的預(yù)測性能進行定量評估，衡量模型輸出與真實標簽之間的匹配程度；32）自適應(yīng)調(diào)整激活與抑制概率；基于損失值的相對變化，動態(tài)調(diào)控模型的激活概率與抑制概率，通過迭代的方式使模型在學習過程適應(yīng)數(shù)據(jù)分布的變化；33）優(yōu)化權(quán)重因子；采用基于神經(jīng)元偏差異常程度的自適應(yīng)調(diào)整算法，根據(jù)神經(jīng)元偏差變化，自適應(yīng)地調(diào)整權(quán)重，從而平衡模型的收斂速度與穩(wěn)定性；34）模型訓練；將上述步驟31）至33）集成到源代碼檢查模型的訓練循環(huán)中，利用構(gòu)建的源代碼數(shù)據(jù)集進行迭代訓練，得到訓練好的深度學習模型，即訓練好的抗干擾的基于深度學習的源代碼漏洞檢測網(wǎng)絡(luò)模型；4）利用擾動代碼數(shù)據(jù)集對源代碼檢測模型進行測試驗證；通過上述步驟，實現(xiàn)抗干擾的基于深度學習的源代碼漏洞檢測。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人北京中科卓信軟件測評技術(shù)中心，其通訊地址為：100195 北京市海淀區(qū)閔莊路3號102幢二層207室；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。