.png){kind=icon}
返回
Optimization of software vulnerability detection model based on machine learning algorithm
.png){kind=icon}
PRE
AI
DOI：10.1007/s00521-026-12447-8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
传统漏洞检测方法往往存在严重缺陷，导致假阳性和假阴性率较高，检测效率低下且缺乏应对新型漏洞的灵活性。为解决此问题，本文提出了一种基于卷积神经网络和长短期记忆网络的软件缺陷检测技术。首先，利用Clang和PyLint提取源代码的控制流图、数据流图和变量使用情况。随后，采用随机森林和梯度提升树进行漏洞分类，并通过组合多个基础分类器提升检测性能。此外，本文结合卷积神经网络和长短期记忆网络，以增强模型学习复杂代码结构和潜在漏洞模式的能力。为优化模型性能，采用网格搜索和贝叶斯优化调整超参数，并通过dropout避免过拟合，基于主成分分析和L1正则化的特征选择减少冗余特征的影响。实验结果表明，本文提出的机器学习模型在识别漏洞方面较传统方法性能更优（效率、准确率和假阴性率均有所提升）。机器学习应用在大多数情况下实现准确率＞0.80，且每分析案例内存占用不超过13,000 MB。该模型在分析大型代码库和不同类别漏洞时展现出更高的灵活性和可靠性，从而提升检测过程的整体有效性，为识别和修正软件缺陷提供有效手段，具有重要的理论及实践意义。
Keyword:
Software vulnerability detection
Convolutional neural network
Long short-term memory
Machine learning
Feature selection
期刊
IF:
4.5
论文数:
929
被引数:
3.2W
机构
引用论文
Deep learning-based intrusion detection system for in-vehicle networks with knowledge graph and statistical methods基于知识图谱和统计方法的基于深度学习的车载网络入侵检测系统
.png){kind=icon}
PREAI
分享收藏An intelligent framework for attack detection in the internet of things using coati optimization
PREAI
分享收藏Hen maternal care inspired optimization framework for attack detection in wireless smart grid network母鸡母性关怀启发优化框架用于无线智能电网网络中的攻击检测
OAAI
OAAI分享收藏Ai-Driven Cyber Threat Detection: Enhancing Security Through Intelligent Engineering SystemsSivakumar, J.; Salman, N.R.; Salman, F.R.; Salimova, H.R.; Ghimire, E. 人工智能驱动的网络威胁检测：通过智能工程系统提升安全性。J. Inf. Syst. Eng. Manag. 2025, 10, 790–798. [Google Scholar] [CrossRef]
PREAI
分享收藏A Resource-Efficient Federated Learning Framework for Intrusion Detection in IoMT Networks一种用于IoMT网络入侵检测的资源高效联邦学习框架
PREAI
分享收藏AntDroidNet Cybersecurity Model: A Hybrid Integration of Ant Colony Optimization and Deep Neural Networks for Android Malware DetectionAntDroidNet网络安全模型：一种结合蚁群优化和深度神经网络的混合集成方法，用于Android恶意软件检测
PREAI
分享收藏
查看更多内容