【技术实现步骤摘要】
本专利技术属于人工智能，尤其涉及一种基于大模型的安全编码规范多标融合方法及系统。
技术介绍
1、在软件开发过程中，遵守众多法律法规、标准规范是一项重要的任务。安全编码需要符合许多政策法规、标准制度的要求，并且需要理解和融合众多的标准规范，以指导安全编码的开发。
2、传统的融合方法主要靠人工将每个标准编码规范逐条映射到对应的框架，如cobit、iso27001、阿里编码规范等。然而，这种传统融合方法存在以下问题：由于人工理解的不同，对编码需求的归类会产生差异；由于人工操作的局限性，对条款的映射可能会出现错误操作；由于条款众多，融合过程中难以整体把控条款的相关性和相斥性；条款和编码的映射关系缺乏对照和参考，使得映射过程不够准确和可靠。针对这些问题，需要采用一种更加高效、准确的方法来融合和映射标准规范与编码之间的关系。
技术实现思路
1、本专利技术提供一种基于大模型的安全编码规范多标融合方法及系统，旨在解决上述
技术介绍
提到的问题。
2、本专利技术是这样实现的，提供一种基于大模型的安全编码规范多标融合方法，步骤包括：
3、采集国家法律法规、标准规范及编码相关规定并构建编码多标要求库；
4、采集大量编码规范样本与相应的编码示例并构建编码规范库，每个编码规范样本对应一个或多个编码示例，其中，编码规范样本包括正确样本和有缺陷样本，正确样本为符合规范的编码示例样本，有缺陷样本为不符合规范的编码示例样本；
5、将预处理后的编码多标要求库提交
6、将编码规范库输入大语言模型进行学习训练，以通过大语言模型将编码规范库中的编码规范样本与其在编码多标要求融合库中符合的条款进行映射；
7、编码时，将待分析的代码片段及更新的编码多标要求融合库输入训练好的大语言模型，以对大预言模型进行重新训练或微调，通过重新训练或微调后的大语言模型对待分析的代码片段进行功能模块信息识别，并根据识别的功能模块信息从编码规范库中查询获取高匹配的编码示例，根据高匹配的编码示例找到相应的编码规范样本，并生成参考编码规范样本的提示，及根据与高匹配的编码示例相应的编码规范样本找到其映射的条款及获取其合规性，以实时反馈待分析的代码片段的实时合规性。
8、更进一步的，所述采集大量编码规范样本与相应的编码示例并构建编码规范库的步骤后还包括：
9、确定优化编码规范库的目标，包括提高代码质量、减少漏洞和提高可维护性；
10、确定编码规范库中编码规范样本的变化范围和组合方式，并构建一个针对编码规范库的初始的搜索空间，编码规范样本的变化范围包括编码风格、设计模式和编码规则，组合方式包括将不同的编码风格、设计模式和编码规则进行组合的方式；
11、根据目标和约束条件，构建启发式函数，并通过启发式函数评估每个编码规范样本的优劣，评估公式为：f(x)=w1* g1(x)+w2*g2(x)+...+wn*gn(x)，其中，f(x)为启发式函数对编码规范样本x优劣的评估结果值，g1(x)、g2(x)、...、gn(x) 是各个评估指标的函数，用于衡量编码规范样本 x 在不同方面的表现，w1、w2、...、wn 是各个评估指标的权重，用于调整不同评估指标在评估中的重要性，评估指标包括代码质量、适应度、复杂度、可读性和安全性；
12、根据启发式搜索算法的策略及启发式函数的评估结果的当前最优解的情况，生成新的编码规范样本；
13、使用启发式函数对新的编码规范样本的优劣进行评估，并将新的编码规范样本的评估结果与当前最优解进行比较；
14、若新的编码规范样本的评估结果优于当前最优解，则将新的编码规范样本的评估结果加入到最优解集合中，及将相应的新的编码规范样本加入到最优编码规范集合中，最优解集合中的值与最优编码规范集合的编码规范样本一一映射，并随着搜索的进行不断更新和优化，当满足终止条件时，停止搜索并输出最终的最优解集合和最终的最优编码规范集合；
15、将最终的最优编码规范集合整理成优化后的编码规范库。
16、更进一步的，所述根据启发式搜索算法的策略及启发式函数的评估结果的当前最优解的情况，生成新的编码规范样本的步骤包括：
17、根据启发式函数的评估结果，筛选出两个或多个编码规范样本作为父代样本；
18、对筛选的父代样本进行交叉操作，生成新的子代样本，具体为：选择合适的交叉方法并确定交叉点的位置，将父代样本的基因进行组合，以生成具有新颖性和多样性的子代样本，交叉操作包括单点交叉、多点交叉或均匀交叉；
19、对生成的子代样本进行变异操作，引入新的基因变异，以生成新的编码规范样本，确保新的编码规范样本满足约束条件，若不满足约束条件，则进行调整或重新生成。
20、更进一步的，所述将待分析的代码片段及更新的编码多标要求融合库输入训练好的大语言模型的步骤后还包括：
21、大语言模型根据输入进行深度学习，并尝试从中提取和生成新的、未被考虑过的编码规范样本，设为创新性编码规范样本，其中，创新性编码规范样本满足国家法律法规、标准规范及编码相关规定，及为编码实践提供新的思路和方法；
22、将生成的创新性编码规范样本输出，以供开发者参考使用。
23、更进一步的，所述大语言模型根据输入进行深度学习，并尝试从中提取和生成新的、未被考虑过的编码规范样本的步骤包括：
24、将待分析的代码片段和编码多标要求融合库进行预处理，包括分词、去除停用词、标准化等操作，以便于大语言模型更好地理解和处理输入数据。
25、使用预处理后的输入数据对大语言模型进行训练，训练过程中，大语言模型学习到输入数据的内在结构和语义信息，并尝试从中提取有用的特征和模式；
26、在大语言模型的训练过程中，通过大语言模型自动学习到输入数据中的特征，用于后续的编码规范样本生成，特征包括语法、语义和上下文信息；
27、基于学习到的特征，使用变分自编码器技术协助大语言模型来生成新的、未被考虑过的编码规范样本；
28、对生成的编码规范样本进行评估和筛选，以确保其满足国家法律法规、标准规范及编码相关规定，并为编码实践提供新的思路和方法；
29、根据评估结果，对大语言模型进行反馈和优化，以进一步提高其生成的创新性编码规范样本的质量和多样性。
30、更进一步的，所述基于学习到的特征，使用变分自编码器技术协助大语言模型来生成新的、未被考虑过的编码规范样本的步骤包括：
31、定义编码器和解码器，其中，编码器用于接收一个真实样本作为输入及输出真实样本的潜在向量，解码器用于接收真实样本的潜在向量作为输入及输出一个与真实样本相似的重构样本；
32、训练过本文档来自技高网...
【技术保护点】
1.一种基于大模型的安全编码规范多标融合方法，其特征在于，步骤包括：
2.根据权利要求1所述的基于大模型的安全编码规范多标融合方法，其特征在于，所述采集大量编码规范样本与相应的编码示例并构建编码规范库的步骤后还包括：
3.根据权利要求2所述的基于大模型的安全编码规范多标融合方法，其特征在于，所述根据启发式搜索算法的策略及启发式函数的评估结果的当前最优解的情况，生成新的编码规范样本的步骤包括：
4.根据权利要求1所述的基于大模型的安全编码规范多标融合方法，其特征在于，所述将待分析的代码片段及更新的编码多标要求融合库输入训练好的大语言模型的步骤后还包括：
5.根据权利要求4所述的基于大模型的安全编码规范多标融合方法，其特征在于，所述大语言模型根据输入进行深度学习，并尝试从中提取和生成新的、未被考虑过的编码规范样本的步骤包括：
6.根据权利要求5所述的基于大模型的安全编码规范多标融合方法，其特征在于，所述基于学习到的特征，使用变分自编码器技术协助大语言模型来生成新的、未被考虑过的编码规范样本的步骤包括：
7.根据权
8.根据权利要求1所述的基于大模型的安全编码规范多标融合方法，其特征在于，所述对大预言模型进行重新训练或微调的步骤包括：
9.根据权利要求1所述的基于大模型的安全编码规范多标融合方法，其特征在于，所述根据识别的功能模块信息从编码规范库中查询获取高匹配的编码示例的步骤包括：
10.一种基于大模型的安全编码规范多标融合系统，其特征在于，包括：
...【技术特征摘要】
1.一种基于大模型的安全编码规范多标融合方法，其特征在于，步骤包括：
2.根据权利要求1所述的基于大模型的安全编码规范多标融合方法，其特征在于，所述采集大量编码规范样本与相应的编码示例并构建编码规范库的步骤后还包括：
3.根据权利要求2所述的基于大模型的安全编码规范多标融合方法，其特征在于，所述根据启发式搜索算法的策略及启发式函数的评估结果的当前最优解的情况，生成新的编码规范样本的步骤包括：
4.根据权利要求1所述的基于大模型的安全编码规范多标融合方法，其特征在于，所述将待分析的代码片段及更新的编码多标要求融合库输入训练好的大语言模型的步骤后还包括：
5.根据权利要求4所述的基于大模型的安全编码规范多标融合方法，其特征在于，所述大语言模型根据输入进行深度学习，并尝试从中提取和生成新的、未被考虑过的编码规范样本的步骤包括：
6.根据权利要求5所述的基于大模型的...
【专利技术属性】
技术研发人员：谢朝海，齐大伟，彭波，雷德诚，谢朝战，
申请(专利权)人：深圳海云安网络安全技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。