基于深度卷积神经网络的源代码缺陷检测方法
基于深度卷积神经网络的源代码缺陷检测方法
复制标题
DOI：
10.16511/j.cnki.qhdxxb.2020.26.042
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
王嘉捷
中科院分区：
文献类型：
--
作者：
王晓萌;管志斌;辛伟;王嘉捷
基于深度神经网络的源代码缺陷检测方法通常将源代码作为文本数据,采用卷积网络学习代码的单一空间特征,或者利用LSTM、 BiLSTM源代码样本的时序特征,并未在源代码数据的多特征融合方面进行深入研究。为探索验证源代码的多种特征在缺陷检测方面的应用效果,该文基于卷积神经网络在图像领域的多通道学习策略,融合word2vec、 fasttext等词嵌套技术的词向量表达,创建源代码的综合向量表征;利用深度卷积神经网络学习源代码缺陷数据中蕴含的缺陷模式,形成源代码缺陷分类器,实现多类代码缺陷检测。将该方法与已有的单通道神经网络源代码缺陷检测方法通过SARD数据集和开源软件源代码进行验证,结果表明:该方法在精确度、召回率、 F1等方面测试平均结果分别为95.3%、 84.7%、 89.7%,与已有方法相比,有不同幅度的提升。