一种用于确定最佳的神经网络输入向量长度的方法

发明专利有效专利

申请号：
CN202110659650.7
IPC分类号：G06F8/33
申请日期：
2021-06-15
申请人：
江苏大学

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	一种用于确定最佳的神经网络输入向量长度的方法
申请号	CN202110659650.7	申请日期	2021-06-15
法律状态	实质审查	申报国家	中国
公开/公告日	2021-10-01	公开/公告号	CN113467766A
优先权	暂无	优先权号	暂无
主分类号	G06F8/33 ? 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） G06F8/00 软件工程设计（测试或调试入G06F 11/36；软件项目管理、规划或组织入G06Q 10/06）〔2018.01〕 G06F8/30 创建或生成源代码〔2018.01〕 G06F8/33 智能编辑器〔2018.01〕	IPC分类号	G;0;6;F;8;/;3;3查看分类表>
申请人	江苏大学	申请人地址	江苏省镇江市京口区学府路301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	江苏大学	当前权利人	江苏大学
发明人	蔡赛华;刘博;陈锦富;张翅;陈海波
代理机构	暂无	代理人	暂无

摘要

本发明公开了一种用于确定最佳的神经网络输入向量长度的方法，属于软件测试技术领域。该方法包括以下步骤：步骤1，对所有代码小工具的符号数量从小到大进行排序；步骤2，近似化所有代码小工具的符号数量，获取近似值；步骤3，使用近似导数的思想求得每个数据点的近似斜率；步骤4，根据近似斜率将前后五个点的变化趋势，获得平均斜率；步骤5，确定神经网络最佳的输入向量长度。本发明针对基于神经网络的软件源代码漏洞检测的特点，使用深度学习技术基于源代码对其进行漏洞检测，提供用于确定最佳的神经网络输入向量长度的方法，有效地确定该数据集最佳的向量长度用于训练神经网络模型。

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