【技术实现步骤摘要】
本专利技术涉及智能软件工程，具体涉及一种通过强化学习增强基于提示学习的漏洞检测方法。
技术介绍
1、随着信息技术的不断发展，计算机软件已经逐渐成为支撑社会运行的关键基础设施，在现代社会中发挥着重要作用。然而，随着软件行业的繁荣，软件安全问题愈发突出，恶意攻击者时常寻找并利用系统和应用程序中的漏洞，以获取非法访问权限、窃取敏感信息或破坏关键系统等。因此，高效的软件漏洞检测技术能够快速寻找代码中漏洞信息，对于提高软件质量、保障信息安全具有重要意义。
2、尽管现有的机器学习和深度学习模型在软件漏洞检测领域取得了一定的成果，但它们仍面临一些挑战。首先，由于代码语义的复杂性，这些模型往往难以准确理解代码本身的语义信息。其次，训练这些模型需要大量的时间和资源，增加了检测的开销。
3、近年来，基于预训练模型的方法逐渐受到关注。这种方法利用预先训练过的知识直接作用于特定任务，使模型能够更好地理解代码的复杂结构和语义信息。因此采用基于预训练模型的方法有望解决软件漏洞检测的问题。
技术实现思路p>
1、本专利本文档来自技高网...
【技术保护点】
1.一种通过强化学习增强基于提示学习的漏洞检测方法，主要包括以下步骤：
2.根据权利要求1所述的通过强化学习增强基于提示学习的漏洞检测方法，其特征在于，所述步骤1.1中构建漏洞检查数据集，包括如下步骤：
3.根据权利要求1所述的通过强化学习增强基于提示学习的漏洞检测方法，其特征在于所述步骤1.2中对构建的粗糙数据集进行预处理，包括如下步骤：
4.根据权利要求1所述的通过强化学习增强基于提示学习的漏洞检测方法，其特征在于，所述步骤1.3中构建和组合提示模板，将源代码和提示模板同时输入到模型中，包括如下步骤：
5.根据权利要...
【技术特征摘要】
1.一种通过强化学习增强基于提示学习的漏洞检测方法，主要包括以下步骤：
2.根据权利要求1所述的通过强化学习增强基于提示学习的漏洞检测方法，其特征在于，所述步骤1.1中构建漏洞检查数据集，包括如下步骤：
3.根据权利要求1所述的通过强化学习增强基于提示学习的漏洞检测方法，其特征在于所述步骤1.2中对构建的粗糙数据集进行预处理，包括如下步骤：
4.根据权利要求1所述的通过强化学习增强基于提示学习的漏洞检测方法，其特征在于，所述步骤1.3中构建和组合提示模板，将源代码和提示模板同时输入到模型中，包括如下步骤：
5.根据权利要求1所述的通过强化学习增强基于...
【专利技术属性】
技术研发人员：鞠小林，任子龙，陈翔，沈昊，徐慧，高瞻，
申请(专利权)人：南通大学，
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。