【技术实现步骤摘要】
本申请属于数据处理，具体涉及一种基于深度学习的软件源代码缺陷检测方法及系统。
技术介绍
1、随着软件工程技术的不断发展，源代码缺陷检测已经成为保障软件质量和系统稳定性的重要环节。近年来，软件系统在企业管理、金融科技、电子政务等关键领域中的应用愈加广泛，其功能逻辑日益复杂，模块间依赖关系紧密，源代码规模持续扩大。在此背景下，如何实现高效、智能的源代码缺陷检测，已成为软件开发与测试领域的研究热点。同时，深度学习技术的发展为程序结构理解、语义抽象提取以及异常行为识别提供了全新思路，正在推动源代码分析技术向更高精度、更强泛化能力的方向演进。
2、然而，当前现有技术中基于深度学习的源代码缺陷检测方法在建模代码与业务数据交互关系方面存在显著不足，难以准确识别因数据驱动逻辑异常而引发的潜在缺陷，准确性欠佳。
技术实现思路
1、为了解决上述问题，本申请实施例提供一种基于深度学习的软件源代码缺陷检测方法及系统。
2、根据本申请实施例的第一方面，提供一种基于深度学习的软件源代码缺陷检测...
【技术保护点】
1.一种基于深度学习的软件源代码缺陷检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于深度学习的软件源代码缺陷检测方法，其特征在于，所述基于所述历史运行错误数据，将所述软件源代码中多个函数相关联，并对所述多个函数对应的控制流图进行合并，得到合并后的控制流图，包括：
3.根据权利要求2所述的基于深度学习的软件源代码缺陷检测方法，其特征在于，所述获取所述多个函数中任一函数的粒度，包括：
4.根据权利要求2所述的基于深度学习的软件源代码缺陷检测方法，其特征在于，所述根据所述多个函数中任一函数的粒度，获取所述多个函数中任意两...
【技术特征摘要】
1.一种基于深度学习的软件源代码缺陷检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于深度学习的软件源代码缺陷检测方法，其特征在于，所述基于所述历史运行错误数据，将所述软件源代码中多个函数相关联，并对所述多个函数对应的控制流图进行合并，得到合并后的控制流图，包括：
3.根据权利要求2所述的基于深度学习的软件源代码缺陷检测方法，其特征在于，所述获取所述多个函数中任一函数的粒度，包括：
4.根据权利要求2所述的基于深度学习的软件源代码缺陷检测方法，其特征在于，所述根据所述多个函数中任一函数的粒度，获取所述多个函数中任意两个函数之间的控制流关联系数，包括：
5.根据权利要求2所述的基于深度学习的软件源代码缺陷检测方法，其特征在于，所述根据所述粒度以及所述控制流关联系数进行函数聚类，得到合并后的控制流图，包括：
6.根据权利要求1所述的...
【专利技术属性】
技术研发人员：封位，杨梅，陶嘉驹，
申请(专利权)人：杭银消费金融股份有限公司，
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。