申请/专利权人：哈尔滨理工大学

申请日：2022-11-29

公开（公告）日：2023-04-21

公开（公告）号：CN115712760B

主分类号：G06F16/903

分类号：G06F16/903;G06F40/126;G06F40/30;G06N3/0464;G06N3/048;G06N3/0499;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2023.04.21#授权;2023.03.17#实质审查的生效;2023.02.24#公开

摘要：本发明公开了一种基于BERT模型和深层等长卷积神经网络的二进制代码摘要生成方法及系统，涉及代码摘要生成技术领域。本发明的技术要点包括：将一段程序经过编译和链接过程生成可执行程序，提取其中的二进制代码序列和二进制函数名序列；对二进制函数名序列进行编码，获得函数名表示向量；将二进制代码序列输入BERT预训练语言模型，获取二进制代码序列全局上下文信息特征；利用多个卷积核对二进制代码序列全局上下文信息特征进行局部语义特征提取；将二进制代码序列全局特征和局部语义特征输入预训练的深层等长卷积神经网络，获取二进制代码序列的表示向量；将函数名表示向量和二进制代码序列的表示向量输入预训练的前馈神经网络，获取二进制代码摘要。

主权项：1.一种基于BERT模型和深层等长卷积神经网络的二进制代码摘要生成方法，其特征在于，包括以下步骤：将一段程序经过编译和链接过程生成可执行程序，提取其中的二进制代码序列和对应的二进制函数名序列；对所述二进制函数名序列进行编码，获得函数名表示向量；将所述二进制代码序列输入BERT预训练语言模型，获取二进制代码序列全局上下文信息特征；利用多个卷积核对所述二进制代码序列全局上下文信息特征进行局部语义特征提取；将所述二进制代码序列全局上下文信息特征和局部语义特征输入预训练的深层等长卷积神经网络，获取二进制代码序列的表示向量；将所述函数名表示向量和所述二进制代码序列的表示向量输入预训练的前馈神经网络，获取二进制代码摘要。

全文数据：

权利要求：

百度查询： 哈尔滨理工大学 一种基于BERT模型和深层等长卷积神经网络的二进制代码摘要生成方法及系统

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD