申请/专利权人:北京酷德啄木鸟信息技术有限公司
申请日:2022-10-19
公开(公告)日:2023-01-24
公开(公告)号:CN115640013A
主分类号:G06F8/41
分类号:G06F8/41;G06F18/241;G06N20/00
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.02.14#实质审查的生效;2023.01.24#公开
摘要:本发明涉及基于机器学习的用于代码静态分析的敏感函数识别方法,包括如下步骤:确定与所述敏感函数相关的特征类型以及各所述特征类型中包含的特征实例;根据各所述特征实例,使用训练集数据和部分的测试集数据组成的训练数据对基于贝叶斯网络算法的机器学习算法模型进行训练,其中,所述训练集数据抽取自训练集源代码,所述测试集数据抽取自测试集源代码;将所述测试集数据输入到训练好的所述机器学习算法模型中,获得所述测试集数据中的所述敏感函数的识别分类结果。根据本发明的敏感函数识别方法相比于现有的各类代码分析敏感函数识别方法,具有更准确的识别率和更低的漏报率。
主权项:1.一种基于机器学习的用于代码静态分析的敏感函数识别方法,其特征在于,所述方法包括如下步骤:步骤S1:确定与所述敏感函数相关的特征类型以及各所述特征类型中包含的特征实例;步骤S2:根据各所述特征实例,使用训练集数据和部分的测试集数据组成的训练数据对基于贝叶斯网络算法的机器学习算法模型进行训练,其中,所述训练集数据抽取自训练集源代码,所述测试集数据抽取自测试集源代码;步骤S3:将所述测试集数据输入到训练好的所述机器学习算法模型中,获得所述测试集数据中的所述敏感函数的识别分类结果。
全文数据:
权利要求:
百度查询: 北京酷德啄木鸟信息技术有限公司 用于代码静态分析的基于机器学习的敏感函数识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。