摘要
本研究深入探讨了一种基于循环神经网络(recurrent neural network,RNN)的程序代码缺陷检测方法,并将其应用于公共漏洞和暴露(common vulnerabilities and exposures,CVE)数据集。首先,设计一个完整的程序代码缺陷检测框架。其次,通过引入L2正则化对基于RNN的模型进行优化,以提高模型的泛化能力和抗过拟合能力。最后,采用CVE数据集对所提出的方法进行测试,并与传统RNN方法进行对比。结果表明,该方法在准确率、精确率、召回率和F1值等评价指标上均优于传统RNN方法,具有更好的性能和效果。
出处
《信息记录材料》
2024年第8期174-176,共3页
Information Recording Materials
