申请/专利权人：雷德本德有限公司

申请日：2021-06-25

公开（公告）日：2024-02-20

公开（公告）号：CN117581224A

主分类号：G06F21/57

分类号：G06F21/57

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.08#实质审查的生效;2024.02.20#公开

摘要：本文公开用于训练和使用神经网络来评估软件包的漏洞的方法和系统，所述方法和系统包括使用多个训练样本来训练所述神经网络以计算在多个软件包中的每一个中存在多个漏洞中的一个或多个的概率并输出经训练的神经网络，所述多个训练样本各自将多个软件包中的一个与由多个验证器中的一个识别的多个漏洞中的一个相关联。验证器可以包括专家知识、启发法、基于规则的模型以及机器学习及深度学习模型。然后，可以将经训练的神经网络应用于基于由多个验证器在一个或多个先前未见过的软件包中识别的漏洞的馈送来计算在所述一个或多个先前未见过的软件包中存在漏洞中的一个或多个的概率。

主权项：1.一种训练神经网络以评估软件包的漏洞的计算机实现的方法，其包括：使用至少一个处理器来：接收多个训练样本，所述多个训练样本各自将多个软件包中的一个与由多个验证器中的一个识别的多个漏洞中的一个相关联；使用所述多个训练样本来训练神经网络以计算在所述多个软件包中的每一个中存在所述多个漏洞中的至少一个漏洞的概率；以及输出经训练的神经网络，所述经训练的神经网络用于基于由所述多个验证器在至少一个先前未见过的软件包中识别的漏洞的馈送来计算在所述至少一个先前未见过的软件包中存在所述至少一个漏洞的概率。

全文数据：

权利要求：

百度查询： 雷德本德有限公司 用于对汽车级应用程序进行排名的专家启发法、机器及深度学习的混合学习

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