【技术实现步骤摘要】
本申请涉及数据处理，具体而言，涉及一种软件漏洞的预测模型的训练方法、装置及存储介质。
技术介绍
1、目前，软件漏洞预测模型是一种有效预测软件漏洞的方式。现有的软件漏洞预测模型，通常采用朴素贝叶斯算法，能够在训练数据集较少的情况下，快速、高效、准确地处理好噪声数据和缺失数据，但这种算法需要依赖于一个错误的假设，即多个属性事件相互独立，因此算法的准确度和精度均有所下降。
技术实现思路
1、有鉴于此，本申请的目的在于提供一种软件漏洞的预测模型的训练方法、装置及存储介质，通过对样本集进行预处理，提高朴素贝叶斯算法训练生成软件漏洞预测模型的精确度。
2、第一方面，本申请提供了一种软件漏洞的预测模型的训练方法，方法包括基于目标软件的代码，生成多个第一样本向量，每个第一样本向量用于指示第一目标组件与第二目标组件之间的依赖关系、是否存在漏洞以及第一目标组件所对应的成员方法之间的依赖关系；通过多个第一样本向量对目标预测模型进行训练，对每个第一样本向量中的指示是否存在漏洞的预测值进行更新，以获取对...
【技术保护点】
1.一种软件漏洞的预测模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于SVM算法对所有第二样本向量进行筛选，以获取第三样本向量的步骤，具体包括：
3.根据权利要求2所述的方法，其特征在于，通过以下方式确定出每个第二样本向量对应的目标样本向量：
4.根据权利要求1所述的方法，其特征在于，通过以下方式生成第一样本向量：
5.根据权利要求4所述的方法，其特征在于，针对每个第一样本向量，通过以下方式获取对应的第二样本向量：
6.根据权利要求1所述的方法，其特征在于，还包括
7....
【技术特征摘要】
1.一种软件漏洞的预测模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于svm算法对所有第二样本向量进行筛选，以获取第三样本向量的步骤，具体包括：
3.根据权利要求2所述的方法，其特征在于，通过以下方式确定出每个第二样本向量对应的目标样本向量：
4.根据权利要求1所述的方法，其特征在于，通过以下方式生成第一样本向量：
5.根据权利要求4所述的方法，其特征在于，针对每个第一样本向量，通过以下方式获取对应的第二样本向量：
6.根据权利要求1所述的方法，其特征在于，还包括：
7.一种软件漏洞的预测模型的训练装置，其特征在于，所述装置包括：
...
【专利技术属性】
技术研发人员：杨文川，龚榆，王子奇，田维翰，崔宝江，
申请(专利权)人：北京邮电大学，
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。