申请/专利权人:南京航空航天大学
申请日:2023-10-16
公开(公告)日:2024-03-22
公开(公告)号:CN117743976A
主分类号:G06F18/243
分类号:G06F18/243;G06F18/25;G06N3/0464;G06F18/22;G06F16/35
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.22#公开
摘要:本发明公开了一种基于自然语言处理模型的二进制深度学习算子的分类方法,包括步骤:S1,获取用于训练的二进制算子数据集;S2,对获取的二进制算子代码进行反汇编,得到其基本块、指令与控制流图;S3,对二进制算子的指令进行预处理;S4,对Bert神经网络进行预训练;S5,冻结Bert神经网络Encoder层的参数,并进行微调训练;S6,训练带有卷积的Asm2vec语义感知神经网络;S7,对Bert神经网络和带有卷积的Asm2vec语义感知神经网络的嵌入特征进行融合,得到融合后的特征;S8,使用融合后的特征,训练深度神经决策森林分类器。本发明有效提高了二进制算子函数的识别准确性。
主权项:1.一种基于自然语言处理模型的二进制深度学习算子的分类方法,其特征在于,包括以下步骤:S1,使用TVM编译器对PyTorch框架算子进行编译,获取用于训练的二进制算子数据集;S2,对获取的二进制算子代码进行反汇编,得到其基本块、指令与控制流图;S3,对二进制算子的指令进行预处理;S4,对Bert神经网络进行预训练;S5,冻结Bert神经网络Encoder层的参数,通过对比学习进行微调训练;S6,训练带有卷积的Asm2vec语义感知神经网络;S7,对所述Bert神经网络和带有卷积的Asm2vec语义感知神经网络的嵌入特征进行融合,得到融合后的特征;S8,使用融合后的特征,训练深度神经决策森林分类器。
全文数据:
权利要求:
百度查询: 南京航空航天大学 一种基于自然语言处理模型的二进制深度学习算子的分类方法及系统
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。