基于自监督学习及多通道超图神经网络的漏洞检测方法与系统

摘要

本发明公开了一种基于自监督学习及多通道超图神经网络的漏洞检测方法，包括：获取函数级代码漏洞数据集并进行预处理，将代码文本通过代码分析工具转化为代码序列图。为不同通道构建表征高阶信息的模体，根据模体对代码序列图进行采样，得到多通道的代码序列超图，对预处理的代码文本数据利用word2vec训练为词向量表示。最后将代码序列超图和标签作为训练数据，训练超图神经网络，通过学习得到节点表征与超图表征，然后将超图表征进行拼接，经过单层感知机进行图分类。本发明同时引入了自监督学习，弥补了多通道之间的信息损失，通过自监督学习融合了多通道之间的互信息，具有更好的可解释性与漏洞检测效果。本发明还提供了实现上述方法的系统。