一种面向源代码分类模型的对抗样本生成方法

摘要

本发明涉及一种面向源代码分类模型的对抗样本生成方法，包括数据预处理、代码转换方式的提取、候选转换方式的选择、执行转换、攻击测试和奖励机制。本发明针对现有对抗样本生成方法的缺点和不足，针对源代码的结构信息，提取出可执行的对抗操作，并引入了马尔可夫决策过程和时序差分算法的思想，在执行对抗操作的同时，加入操作的影响系数来引导操作的选择执行，通过决策学习来不断完善对抗生成方法，由此实现了一种更为快捷、更为有效的对抗样本生成方法。