[发明专利]一种基于LSTM的多词嵌入编码-门控融合机制的软件缺陷预测方法

权利要求书

1.一种基于LSTM的多词嵌入编码-门控融合机制的软件缺陷预测方法，其特征在于，包括如下步骤：

获取待检测软件源代码，通过静态代码分析工具获得源代码文件的抽象语法树；

对抽象语法树进行深度优先遍历，获得带有语法和语义信息的Token序列；

通过Word2Vec和Glove算法分别对带有语法和语义信息的Token序列进行词向量训练，用训练好的词嵌入模型对Token序列进行编码；

将通过词嵌入算法编码后的Token序列输入对应的LSTM网络中进行训练，获得不同的词嵌入编码对应的含有语法和语义的特征向量；

将两种特征向量输入门控融合模型中进行特征筛选、调节、融合；

将融合后的特征向量输入到输出层分类，最终获得预测结果。

2.如权利要求1所述的一种基于LSTM的多词嵌入编码-门控融合机制的软件缺陷预测方法，其特征在于，所述通过静态代码分析工具获得源码文件的抽象语法树，包括：使用antrl工具基于待检测软件的编程语言的语法规则进行解析，或使用treesiter工具对其所支持的语言进行源码解析，或者使用javalang解析库对待检测软件源码解析，获取每个源码文件的抽象语法树。

3.如权利要求1所述的一种基于LSTM的多词嵌入编码-门控融合机制的软件缺陷预测方法，其特征在于，对所述对抽象语法树进行深度优先遍历，获得带有语法和语义信息的Token序列，包括：在遍历抽象语法树过程中，忽略包声明类型节点和导包类型节点等无语法和语义信息的节点；对于其他声明类节点、引用类型节点、函数调用类型节点需要将节点类型信息和节点值结息结合形成Token序列；对于控制类型节点，只需将节点类型形成Token。

4.如权利要求1所述的一种基于LSTM的多词嵌入编码-门控融合机制的软件缺陷预测方法，其特征在于，所述通过Word2Vec和Glove算法分别对带有语法和语义信息的Token序列进行词向量训练，用训练好的词嵌入模型对Token序列进行编码，包括：词向量训练时对于出现频率小于3的Token视为unk并统一编码；统一编码后的数字向量大小为64，对于编码后长度小于64的向量通过补0对齐，对于编码后长度大于64的向量通过截断对齐。

5.如权利要求1所述的一种基于LSTM的多词嵌入编码-门控融合机制的软件缺陷预测方法，其特征在于，将通过不同词嵌入算法编码后的向量分别输入LSTM网络中，对于每种词嵌入编码算法对应的LSTM网络，其中每个LSTM单元接受上一个LSTM单元的输出向量和当前时间步的输入向量，逐步从编码向量中提取出源码文件的语法和语义信息，获得表征源码文件的特征向量。

6.如权利要求1所述的一种基于LSTM的多词嵌入编码-门控融合机制的软件缺陷预测方法，其特征在于，所述门控融合模型，接受Word2Vec词嵌入编码和Glove词嵌入编码对应的特征向量，分别送入两个门控全连接层进行特征筛选、调节，再通过concatenate层对调节后的特征向量进行融合。

7.如权利要求1所述的一种基于LSTM的多词嵌入编码-门控融合机制的软件缺陷预测方法，其特征在于，所述分类输出层采用激活函数是softmax，其公式如下：

s＝softmax(W·E+b)          (1)；

其中，s是输出层输出的待预测文件的缺陷概率，W是输出层的权重矩阵，E是门控融合模型输出的融合向量，b是偏置参数。