人工智能安全：原理與實(shí)踐 課件 第16章 代碼漏洞檢測原理與實(shí)踐(16.2基于圖神經(jīng)網(wǎng)絡(luò)的代碼漏洞檢測-實(shí)踐)_第1頁
人工智能安全：原理與實(shí)踐 課件 第16章 代碼漏洞檢測原理與實(shí)踐(16.2基于圖神經(jīng)網(wǎng)絡(luò)的代碼漏洞檢測-實(shí)踐)_第2頁
人工智能安全：原理與實(shí)踐 課件 第16章 代碼漏洞檢測原理與實(shí)踐(16.2基于圖神經(jīng)網(wǎng)絡(luò)的代碼漏洞檢測-實(shí)踐)_第3頁
人工智能安全：原理與實(shí)踐 課件 第16章 代碼漏洞檢測原理與實(shí)踐(16.2基于圖神經(jīng)網(wǎng)絡(luò)的代碼漏洞檢測-實(shí)踐)_第4頁
人工智能安全：原理與實(shí)踐 課件 第16章 代碼漏洞檢測原理與實(shí)踐(16.2基于圖神經(jīng)網(wǎng)絡(luò)的代碼漏洞檢測-實(shí)踐)_第5頁
已閱讀5頁，還剩4頁未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

李劍博士，教授，博士生導(dǎo)師網(wǎng)絡(luò)空間安全學(xué)院lijian@January23,2025第16章代碼漏洞檢測原理與實(shí)踐實(shí)踐16-1基于圖神經(jīng)網(wǎng)絡(luò)的代碼漏洞檢測本章介紹本實(shí)踐內(nèi)容主要講述如何在Ubuntu操作系統(tǒng)虛擬機(jī)上通過Python編程語言實(shí)現(xiàn)一個(gè)基于圖神經(jīng)網(wǎng)絡(luò)的代碼漏洞檢測系統(tǒng)。1.實(shí)踐目的學(xué)習(xí)代碼的圖表征方法，嘗試使用joern工具提取代碼特征。學(xué)習(xí)圖神經(jīng)網(wǎng)絡(luò)模型，嘗試使用GNN模型對代碼進(jìn)行建模和漏洞檢測。了解小樣本學(xué)習(xí)，嘗試在小樣本場景下提高模型的泛化能力。了解遷移學(xué)習(xí)的原理與應(yīng)用。2.實(shí)踐環(huán)境環(huán)境3.實(shí)踐過程(1)了解代碼的圖表征方法，嘗試使用joern工具提取代碼特征(2)了解圖神經(jīng)網(wǎng)絡(luò)模型，嘗試使用GNN模型對代碼進(jìn)行建模和檢測(3)了解遷移學(xué)習(xí)，嘗試在小樣本場景下提高模型的泛化能力(4)開始進(jìn)行代碼實(shí)現(xiàn)部分。(5)數(shù)據(jù)預(yù)處理(6)數(shù)據(jù)嵌入(7)模型訓(xùn)練評估(8)主函數(shù)實(shí)現(xiàn)命令工具

（由于過程較復(fù)雜，教材里有詳細(xì)解釋?。?.實(shí)踐結(jié)果模型對代碼樣本進(jìn)行漏洞檢測。存在漏洞的概率>0.5，標(biāo)記為存在漏洞；概率<0.5，標(biāo)記為不存在漏洞。5.參考代碼本課程所有實(shí)踐內(nèi)容的Python語言參考源代碼見本教材的網(wǎng)盤。小結(jié)本實(shí)踐主要介紹

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論