基于可变形卷积神经网络的软件漏洞检测算法

摘要

软件应用持续升级换代,漏洞形式也更加变化多端,为进一步提升漏洞检测有效性,保障软件应用与系统安全,以可变形卷积神经网络为技术支持,构建一种软件漏洞检测算法.采用卷积层、全连接层等架构用于输入软件漏洞特征的子网络,利用网格生成器将空间变换参数变为一个参数化采样网格,完成输入特征映射采样;求取权值与采样值的所有乘积和,根据神经元输出形式界定,推导出软件漏洞特征点在可变形卷积神经网络下表达形式,通过添加与输入层大小相同的偏移量,挖掘双线性插值核中含有的运算规则,结合可变形卷积的池化变形形式,发现软件漏洞特征,实现漏洞检测.选取不同数据集作为漏洞检测对象,根据递增卷积核尺寸对应的不同网络层数指标数据与感受野尺寸变化,验证所提算法的检测性能具有较好的有效性与稳定性,可抑制过拟合现象发生.