一种基于GAN网络的深度学习跨项目软件缺陷的预测方法

发明专利有效专利

申请号：
CN202110673062.9
IPC分类号：G06F11/36;G06K9/62;G06N3/04;G06N3/08
申请日期：
2021-06-17
申请人：
北京邮电大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于GAN网络的深度学习跨项目软件缺陷的预测方法
申请号	CN202110673062.9	申请日期	2021-06-17
法律状态	实质审查	申报国家	中国
公开/公告日	2021-09-21	公开/公告号	CN113419948A
优先权	暂无	优先权号	暂无
主分类号	G06F11/36 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06F 电数字数据处理（基于特定计算模型的计算机系统入G06N） G06F11/00 错误检测；错误校正；监控（在基于记录载体和传感器之间的相对运动而实现的信息存储中的错误检测、校正或监控所用的方法或装置入 G11B 20/18；监控，即，监控记录或重现的进程入G11B 27/36；静态存储中所用的方法或装置入G11C29/00）〔1，4，2006.01〕 G06F11/36 通过软件的测试或调试防止错误〔7〕	IPC分类号	G;0;6;F;1;1;/;3;6;;;G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	北京邮电大学	申请人地址	北京市海淀区西土城路10号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	北京邮电大学	当前权利人	北京邮电大学
发明人	邢颖;钱晓萌;于秀丽;林婉婷;吴澍
代理机构	暂无	代理人	暂无

摘要

本发明提供一种基于GAN网络的深度学习跨项目软件缺陷的预测方法。该方法包括：使用简化的抽象语法树来表示目标项目和源项目中每个提取的程序模块的代码；通过深度遍历抽象语法树提取出token向量；对token向量进行词嵌入，得出每个单词对应的词向量，并用词向量替代token向量中的token，把token向量转化为数值向量；将源项目对应的数值向量作为输入，训练源编码器和源分类器；将目标项目对应的数值向量作为输入，将目标编码器的初始参数设定为与训练好的源编码器的参数相同；将训练好的源编码器的输出特征作为GAN网络中的真实数据，然后将目标编码器的输出特征作为虚假数据，通过GAN网络的鉴别器进行训练；用训练好的源分类器对目标编码器的输出特征进行分类；输出分类结果。本发明提供的跨项目软件缺陷的预测方法，速度快，准确率高。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供