CN117909235A - 代码风险检测方法、深度学习模型的训练方法和装置 - Google Patents
代码风险检测方法、深度学习模型的训练方法和装置 Download PDFInfo
- Publication number
- CN117909235A CN117909235A CN202410077669.4A CN202410077669A CN117909235A CN 117909235 A CN117909235 A CN 117909235A CN 202410077669 A CN202410077669 A CN 202410077669A CN 117909235 A CN117909235 A CN 117909235A
- Authority
- CN
- China
- Prior art keywords
- code
- sample
- variable
- deep learning
- learning model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000013136 deep learning model Methods 0.000 title claims abstract description 107
- 238000001514 detection method Methods 0.000 title claims abstract description 96
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000012549 training Methods 0.000 title claims abstract description 33
- 230000006870 function Effects 0.000 claims description 80
- 238000004458 analytical method Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 16
- 230000011218 segmentation Effects 0.000 claims description 16
- 230000004044 response Effects 0.000 claims description 12
- 239000012634 fragment Substances 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 8
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000013135 deep learning Methods 0.000 abstract description 3
- 238000003058 natural language processing Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000013459 approach Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000002688 persistence Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- 101000767160 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) Intracellular protein transport protein USO1 Proteins 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/362—Software debugging
- G06F11/3628—Software debugging of optimised code
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Machine Translation (AREA)
Abstract
本公开提供了一种代码风险检测方法、深度学习模型的训练方法和装置,涉及人工智能技术领域,尤其涉及自然语言处理和深度学习等技术领域。代码风险检测方法包括:确定目标代码;提取目标代码中的至少一个目标指针变量;获取与至少一个目标指针变量相关联的代码片段,代码片段包括目标代码中的使用至少一个目标指针变量的代码语句;以及将代码片段输入深度学习模型,以得到深度学习模型输出的代码风险检测结果。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及自然语言处理和深度学习等技术领域,具体涉及一种代码风险检测方法、深度学习模型的训练方法、代码风险检测装置、深度学习模型的训练装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括自然语言处理技术、计算机视觉技术、语音识别技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种代码风险检测方法、深度学习模型的训练方法、代码风险检测装置、深度学习模型的训练装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面,提供了一种代码风险检测方法,包括:确定目标代码;提取目标代码中的至少一个目标指针变量;获取与至少一个目标指针变量相关联的代码片段,代码片段包括目标代码中的使用至少一个目标指针变量的代码语句;以及将代码片段输入深度学习模型,以得到深度学习模型输出的代码风险检测结果。
根据本公开的另一方面,提供了一种深度学习模型的训练方法,包括:确定第一样本代码和第一样本代码对应的真实代码风险信息;提取第一样本代码中的至少一个第一样本指针变量;获取与至少一个第一样本指针变量相关联的样本代码片段,样本代码片段包括第一样本代码中的使用至少一个第一样本指针变量的代码语句;将样本代码片段输入深度学习模型,以得到深度学习模型输出的代码风险检测结果;以及基于真实代码风险信息和代码风险检测结果,调整深度学习模型的参数。
根据本公开的另一方面,提供了一种代码风险检测装置,包括:第一确定单元,被配置为确定目标代码;第一提取单元,被配置为提取目标代码中的至少一个目标指针变量;第一获取单元,被配置为获取与至少一个目标指针变量相关联的代码片段,代码片段包括目标代码中的使用至少一个目标指针变量的代码语句;以及第一检测单元,被配置为将代码片段输入深度学习模型,以得到深度学习模型输出的代码风险检测结果。
根据本公开的另一方面,提供了一种深度学习模型的训练装置,包括:第二确定单元,被配置为确定第一样本代码和第一样本代码对应的真实代码风险信息;第二提取单元,被配置为提取第一样本代码中的至少一个第一样本指针变量;第二获取单元,被配置为获取与至少一个第一样本指针变量相关联的样本代码片段,样本代码片段包括第一样本代码中的使用至少一个第一样本指针变量的代码语句;第二检测单元,被配置为将样本代码片段输入深度学习模型,以得到深度学习模型输出的代码风险检测结果;以及调参单元,被配置为基于真实代码风险信息和代码风险检测结果,调整深度学习模型的参数。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中存储器存储有可被至少一个处理器执行的指令,这些指令被至少一个处理器执行,以使至少一个处理器能够执行上述方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行上述方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,其中,计算机程序在被处理器执行时实现上述方法。
根据本公开的一个或多个实施例,本公开通过提取目标代码中的至少一个目标指针变量,并获取使用至少一个目标指针变量的代码语句作为相关联的代码片段,进而将代码片段输入深度学习模型,以得到代码风险检测结果,一方面能够利用深度学习模型学习到的知识进行高效、准确的检测,减少对先验的人工经验的使用,另一方面能够剔除掉与指针变量不相关的冗余代码,在提升代码风险检测的准确性的同时,能够减少深度学习模型所处理的数据量,提升模型进行代码风险检测的效率。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图;
图2示出了根据本公开的实施例的代码风险检测方法的流程图;
图3示出了根据本公开的实施例的获取与至少一个目标指针变量相关联的代码片段的流程图;
图4示出了根据本公开的实施例的将代码片段输入深度学习模型,以得到深度学习模型输出的代码风险检测结果的流程图
图5示出了根据本公开的实施例的深度学习模型的训练方法的流程图;
图6示出了根据本公开的实施例的深度学习模型的训练方法的流程图;
图7示出了根据本公开的实施例的代码风险检测装置的结构框图;
图8示出了根据本公开的实施例的深度学习模型的训练装置的结构框图;以及
图9示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个要素与另一要素区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
相关技术中,通常采用基于人工制定检测规则的方式进行代码风险检测。
为解决上述问题,本公开通过提取目标代码中的至少一个目标指针变量,并获取使用至少一个目标指针变量的代码语句作为相关联的代码片段,进而将代码片段输入深度学习模型,以得到代码风险检测结果,一方面能够利用深度学习模型学习到的知识进行高效、准确的检测,减少对先验的人工经验的使用,另一方面能够剔除掉与指针变量不相关的冗余代码,在提升代码风险检测的准确性的同时,能够减少深度学习模型所处理的数据量,提升模型进行代码风险检测的效率。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1,该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中,服务器120可以运行使得能够执行本公开的代码风险检测方法或深度学习模型的训练方法的一个或多个服务或软件应用。
在某些实施例中,服务器120还可以提供其他服务或软件应用,这些服务或软件应用可以包括非虚拟环境和虚拟环境。在某些实施例中,这些服务可以作为基于web的服务或云服务提供,例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中,服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解,各种不同的系统配置是可能的,其可以与系统100不同。因此,图1是用于实施本文所描述的各种方法的系统的一个示例,并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来确定需要执行代码风险检测方法的代码。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息,例如,可以向用户输出代码风险检测结果。尽管图1仅描绘了六种客户端设备,但是本领域技术人员将能够理解,本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备,例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统,例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS);或包括各种移动操作系统,例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序,例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序,并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络,其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例,一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、区块链网络、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机,或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中,服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个,包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中,服务器120可以包括一个或多个应用程序,以分析和合并从客户端设备101、102、103、104、105和/或106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序,以经由客户端设备101、102、103、104、105和/或106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中,服务器120可以为分布式系统的服务器,或者是结合了区块链的服务器。服务器120也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS,Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
系统100还可以包括一个或多个数据库130。在某些实施例中,这些数据库可以用于存储数据和其他信息。例如,数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如,由服务器120使用的数据库可以在服务器120本地,或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中,由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中,数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库,例如键值存储库,对象存储库或由文件系统支持的常规存储库。
图1的系统100可以以各种方式配置和操作,以使得能够应用根据本公开所描述的各种方法和装置。
根据本公开的一个方面,提供了一种代码风险检测方法。如图2所示,代码风险检测方法包括:步骤S201、确定目标代码;步骤S202、提取目标代码中的至少一个目标指针变量;步骤S203、获取与至少一个目标指针变量相关联的代码片段,代码片段包括目标代码中的使用至少一个目标指针变量的代码语句;以及步骤S204、将代码片段输入深度学习模型,以得到深度学习模型输出的代码风险检测结果。
由此,通过提取目标代码中的至少一个目标指针变量,并获取使用至少一个目标指针变量的代码语句作为相关联的代码片段,进而将代码片段输入深度学习模型,以得到代码风险检测结果,一方面能够利用深度学习模型学习到的知识进行高效、准确的检测,减少对先验的人工经验的使用,另一方面能够剔除掉与指针变量不相关的冗余代码,在提升代码风险检测的准确性的同时,能够减少深度学习模型所处理的数据量,提升模型进行代码风险检测的效率。
在一些实施例中,在步骤S201中确定的目标代码可以是用户提交的代码,也可以是代码库中已经存储的代码,还可以是通过其他方式确定的需要进行代码风险检测的代码,在此不作限定。
根据一些实施例,步骤S201、确定目标代码可以包括:对用户提交的代码和历史代码进行差异对比分析,以得到目标代码。由此,通过将用户提交的代码与历史代码进行差异对比分析,能够避免对历史代码进行重复检测。
在一些实施例中,在步骤S202,可以对目标代码进行代码分析,提取其中的指针变量,进而可以将所提取的全部指针变量作为目标指针变量,也可以根据预设的规则或其他方式选择其中的部分指针变量作为目标指针变量,在此不作限定。
在一些实施例中,在步骤S203,可以获取目标代码中的使用至少一个目标指针变量的代码语句作为与至少一个目标指针变量相关联的代码片段。除此以外,还可以获取其他的与目标指针变量相关联的代码片段共同作为用于由深度学习模型处理的代码片段,如下文将要介绍的。
根据一些实施例,目标代码可以包括目标函数的代码语句。如图3所示,步骤S201、获取与至少一个目标指针变量相关联的代码片段可以包括:步骤S301、确定至少一个目标指针变量是否与不同于目标函数的其他函数具有调用关系;以及步骤S302、响应于确定至少一个目标指针变量与其他函数具有调用关系,获取其他函数的代码语句,其中,代码片段包括其他函数的代码语句。
由此,通过将与至少一个目标指针变量具有调用关系的其他函数的代码语句共同作为用于由深度学习模型处理的代码片段,使得在进行代码风险检测时,考虑到了目标函数的上下文可能造成的影响,实现了对与目标指针变量相关的函数上下文关联代码语句的充分利用,提升了后续深度学习模型输出的代码风险检测结果的准确性。
根据一些实施例,步骤S301、确定至少一个目标指针变量是否与不同于目标函数的其他函数具有调用关系可以包括:响应于确定使用至少一个目标指针变量的代码语句包括函数调用语句,将函数调用语句所调用的子函数确定为与至少一个目标指针变量具有调用关系的其他函数。
由此,通过上述方式,使得在进行代码风险检测时,考虑到了目标函数的相关联的父函数可能造成的影响,提升了后续深度学习模型输出的代码风险检测结果的准确性。
根据一些实施例,步骤S301、确定至少一个目标指针变量是否与不同于目标函数的其他函数具有调用关系可以包括:响应于确定至少一个目标指针变量中的一个目标指针变量为输入参数,将与输入参数对应的父函数确定为与至少一个目标指针变量具有调用关系的其他函数。
由此,通过上述方式,使得在进行代码风险检测时,考虑到了目标函数的相关联的子函数可能造成的影响,提升了后续深度学习模型输出的代码风险检测结果的准确性。
回到步骤S202。根据一些实施例,步骤S202、提取目标代码中的至少一个目标指针变量可以包括:对目标代码进行代码图谱分析,以得到目标代码的代码图谱,代码图谱包括至少一个目标指针变量和使用至少一个目标指针变量的代码语句。
由此,通过对目标代码图谱进行代码图谱分析,能够快速准确地获取到目标代码中的指针变量以及与使用各指针变量的代码语句,提升代码风险检测整体的效率。
建立代码的知识图谱,称为代码图谱。代码图谱分析是一种将编译过程所涉及的数据,包括词法单元、语法单元、符号表、中间表示等,通过应用面向磁盘设计的数据持久化操作后,用于代码知识提取或代码建模分析等代码分析场景的基础服务,提供了诸如控制流、数据流、变量活性、定义可达性等分析所需的基础数据。
代码图谱分析能够用于提取代码中的指针变量、指针变量在函数内的关联变量、使用这些关联变量的代码语句、依托调用关系获取到的函数上下文关联代码语句。
在一个示例性实施例中,在用户提交代码时,可以触发代码风险检测的接口。提交的代码将进行差异对比分析,获取变更涉及的文件、新增行号、舍去删除行号。可以将这些信息作为参数,进行代码图谱分析。
根据一些实施例,在步骤S204所使用的深度学习模型可以为用于处理文本的大规模模型。大规模模型在文本处理领域已有很成熟的应用,而代码和文本有一定的相似之处。代码和文本都基于语言,前者基于编程语言,后者基于自然语言。代码和文本都具有语义,并且都是按词法、语法组成的,但是组成的分词(token)不同。因此,通过使用用于处理文本的大规模模型进行代码风险检测,能够得到准确的代码风险检测结果。
根据一些实施例,如图4所示,步骤S204、将代码片段输入深度学习模型,以得到深度学习模型输出的代码风险检测结果可以包括:步骤S401、对代码片段进行分词,以得到与代码片段对应的多个分词,其中,代码片段包括至少一个字符串,多个分词包括至少一个字符串各自对应的字符串分词;步骤S402、对多个分词执行归一化操作,包括:对至少一个字符串各自对应的字符串分词进行归一化,归一化后的字符串分词包括预先定义的字符串指示文本和字符串索引,字符串指示文本用于向深度学习模型指示归一化后的字符串分词表征字符串,字符串索引指示与该字符串分词对应的字符串针对代码片段中的所有字符串的索引;以及步骤S403、将归一化后的多个分词输入深度学习模型。
由此,通过将字符串分词归一化为包括字符串指示文本和字符串索引,能够有效的减少无意义变量的个数,对整体分词(token)有一定的压缩,提升深度学习模型输出的代码风险检测结果的准确率。
在一些实施例中,在步骤S401,可以按空格对代码片段进行切分,得到分词(token)列表,即多个分词。
在一个示例性实施例中,预先定义的字符串指示文本例如可以为“string”,归一化后的字符串分词可以为“string”与索引的组合。例如,代码片段中的第一个字符串的字符串分词可以被归一化为“string_0”,第二个字符串的字符串分词可以被归一化为“string_1”,以此类推。可以理解的是,字符串指示文本还可以采用其他内容,归一化操作可以采用不同的方式将字符串指示文本和字符串索引进行组合,在此不作限定。
根据一些实施例,代码片段可以包括至少一个自定义变量名,多个分词可以包括至少一个自定义变量名各自对应的变量名分词。归一化操作还可以包括:基于至少一个自定义变量名各自的变量类型,对至少一个自定义变量名各自对应的变量名分词进行归一化,归一化后的变量名分词包括预先定义的变量类型指示文本和变量名索引,变量类型指示文本用于向深度学习模型指示归一化后的变量名分词表征对应的自定义变量名的变量类型,变量名索引指示与该变量名分词对应的自定义变量名针对代码片段中的所有变量类型的变量的索引。
由此,通过将自定义变量名对应的变量名分词归一化为包括变量类型指示文本和变量名索引,能够有效的减少无意义变量的个数,对整体分词(token)有一定的压缩,提升深度学习模型输出的代码风险检测结果的准确率。
在一个示例性实施例中,不同变量类型的自定义变量名具有不同的变量类型指示文本和索引序列。例如,针对int类型的变量,变量类型指示文本可以为“int”,第一个int类型的自定义变量名可以被归一化为“int_0”,第二个int类型的自定义变量名可以被归一化为“int_1”,以此类推。针对float类型的变量,变量类型指示文本可以为“float”,第一个float类型的自定义变量名可以被归一化为“float_0”,第二个float类型的自定义变量名可以被归一化为“float_1”,以此类推。
根据一些实施例,代码风险检测结果可以指示目标代码中的具有的空指针风险的指针变量。在一个示例性实施例中,代码风险检测结果可以指示至少一个目标指针变量中的每一个目标指针变量为空指针的概率,可以将该概率与预设阈值进行比较,并将概率超过阈值的目标指针变量确定为具有高空指针风险的指针变量。
可以理解的是,本公开的方法还可以用于检测目标代码中的其他代码异常,在此不作限定。
根据本公开的另一方面,提供了一种深度学习模型的训练方法。如图5所示,训练方法包括:步骤S501、确定第一样本代码和第一样本代码对应的真实代码风险信息;步骤S502、提取第一样本代码中的至少一个第一样本指针变量;步骤S503、获取与至少一个第一样本指针变量相关联的样本代码片段,样本代码片段包括第一样本代码中的使用至少一个第一样本指针变量的代码语句;步骤S504、将样本代码片段输入深度学习模型,以得到深度学习模型输出的代码风险检测结果;以及步骤S505、基于真实代码风险信息和代码风险检测结果,调整深度学习模型的参数。可以理解的是,步骤S501-步骤S504的操作可以参照上文对步骤S201-步骤S204的描述,在此不作赘述。
由此,通过上述方式,使得经训练的深度学习模型能够基于处理后得到的代码片段生成准确的代码风险检测结果。
根据一些实施例,真实代码风险信息可以指示第一样本代码中的具有的空指针风险的指针变量。真实代码风险检测结果可以指示至少一个目标指针变量中的每一个目标指针变量是否为空指针。可以理解的是,真实代码风险检测结果还可以表征目标代码是否具有其他代码异常,在此不作限定。
根据一些实施例,第一样本代码包括样本函数的代码语句。步骤S503获取与至少一个第一样本指针变量相关联的样本代码片段包括:确定至少一个第一样本指针变量是否与不同于样本函数的其他函数具有调用关系;以及响应于确定至少一个第一样本指针变量与其他函数具有调用关系,获取其他函数的代码语句,其中,样本代码片段包括其他函数的代码语句。
由此,通过将与至少一个第一样本指针变量具有调用关系的其他函数的代码语句共同作为用于由深度学习模型处理的代码片段,使得在进行代码风险检测时,考虑到了目标函数的上下文可能造成的影响,实现了对与目标指针变量相关的函数上下文关联代码语句的充分利用,提升了经训练的深度学习模型输出的代码风险检测结果的准确性。
根据一些实施例,确定至少一个第一样本指针变量是否与不同于样本函数的其他函数具有调用关系可以包括:响应于确定使用至少一个第一样本指针变量的代码语句包括函数调用语句,将函数调用语句所调用的子函数确定为与至少一个第一样本指针变量具有调用关系的其他函数。
由此,通过上述方式,使得在进行代码风险检测时,考虑到了相关联的父函数可能造成的影响,提升了经训练的深度学习模型输出的代码风险检测结果的准确性。
根据一些实施例,确定至少一个第一样本指针变量是否与不同于样本函数的其他函数具有调用关系可以包括:响应于确定至少一个第一样本指针变量中的一个第一样本指针变量为输入参数,将与输入参数对应的父函数确定为与至少一个第一样本指针变量具有调用关系的其他函数。
由此,通过上述方式,使得在进行代码风险检测时,考虑到了相关联的子函数可能造成的影响,提升了经训练的深度学习模型输出的代码风险检测结果的准确性。
回到步骤S502。根据一些实施例,步骤S502、提取第一样本代码中的至少一个第一样本指针变量可以包括:对第一样本代码进行代码图谱分析,以得到第一样本代码的代码图谱,代码图谱包括至少一个第一样本指针变量和使用至少一个第一样本指针变量的代码语句。
由此,通过对第一样本代码图谱进行代码图谱分析,能够快速准确地获取到目标代码中的指针变量以及与使用各指针变量的代码语句,提升训练效率。
建立代码的知识图谱,称为代码图谱。代码图谱分析是一种将编译过程所涉及的数据,包括词法单元、语法单元、符号表、中间表示等,通过应用面向磁盘设计的数据持久化操作后,用于代码知识提取或代码建模分析等代码分析场景的基础服务,提供了诸如控制流、数据流、变量活性、定义可达性等分析所需的基础数据。
代码图谱分析能够用于提取代码中的指针变量、指针变量在函数内的关联变量、使用这些关联变量的代码语句、依托调用关系获取到的函数上下文关联代码语句。
根据一些实施例,深度学习模型可以为预训练的用于处理文本的大规模模型。
根据一些实施例,步骤S504、将代码片段输入深度学习模型,以得到深度学习模型输出的代码风险检测结果可以包括:对样本代码片段进行分词,以得到与代码片段对应的多个第一样本分词,其中,样本代码片段包括至少一个第一字符串,多个第一样本分词包括至少一个第一字符串各自对应的第一字符串分词;对多个第一样本分词执行归一化操作,包括:对至少一个第一字符串各自对应的第一字符串分词进行归一化,归一化后的第一字符串分词包括预先定义的第一字符串指示文本和第一字符串索引,第一字符串指示文本用于向深度学习模型指示归一化后的第一字符串分词表征字符串,第一字符串索引指示与该第一字符串分词对应的第一字符串针对代码片段中的所有第一字符串的索引;以及将归一化后的多个第一样本分词输入深度学习模型。
由此,通过将字符串分词归一化为包括字符串指示文本和字符串索引,能够有效的减少无意义变量的个数,对整体分词(token)有一定的压缩,提升经训练的深度学习模型输出的代码风险检测结果的准确率。
根据一些实施例,样本代码片段可以包括至少一个第一自定义变量名,多个第一样本分词可以包括至少一个第一自定义变量名各自对应的变量名分词。归一化操作可以包括:基于至少一个第一自定义变量名各自的变量类型,对至少一个第一自定义变量名各自对应的变量名分词进行归一化,归一化后的变量名分词包括预先定义的变量类型指示文本和变量名索引,变量类型指示文本用于向深度学习模型指示归一化后的变量名分词表征与该变量名分词对应的第一自定义变量名的变量类型,变量名索引指示与该变量名分词对应的第一自定义变量名针对代码片段中的所有变量类型的变量的索引。
由此,通过将字符串分词归一化为包括字符串指示文本和字符串索引,能够有效的减少无意义变量的个数,对整体分词(token)有一定的压缩,提升经训练的深度学习模型输出的代码风险检测结果的准确率。
在一些实施例中,在步骤S505,可以基于真实代码风险信息和代码风险检测结果,计算损失值,并基于损失值调整深度学习模型的参数。
根据一些实施例,如图6所示,训练方法还可以包括:步骤S601、确定第二样本代码,并对第二样本代码进行分词,以得到与第二样本代码对应的多个第二样本分词,其中,第二样本代码包括至少一个第二字符串和至少一个第二自定义变量名,多个第二样本分词包括至少一个第一字符串各自对应的第一字符串分词和至少一个第一自定义变量名各自对应的变量名分词;步骤S602、对多个第二样本分词执行归一化操作;以及步骤S603、利用无监督预训练任务,基于归一化后的多个第二样本分词对原始大规模模型进行预训练,以得到深度学习模型。可以理解的是,图6中的步骤S604-步骤S608的操作可以参照图5中的步骤S501-步骤S505的操作,在此不作赘述。
由此,通过使用无监督预训练任务进行预训练,使得模型能够从海量的无标注的训练语料数据中学习通用的代码语言表示,在此基础上再利用第一样本代码和对应的真实代码风险信息进行微调训练,使得能够提升经训练的模型输出的代码风险检测结果的准确率。通过真实数据实验,采用上述方式进行训练得到的深度学习模型与基于人工规则的静态扫描的方式相比,正确率提升约9.5个百分点,F1测度提升约42.4个百分点。
在一些实施例中,在步骤S601,可以采集所有代码库的源码,并以函数为粒度得到第二样本代码。在步骤S602和步骤S603,可以在归一化后的数据集上,基于字节对编码(Byte-Pair Encoding,BPE)算法训练一个分词器(tokenizer),基于分词器的词表大小搭建一个大规模模型(例如,BERT模型)。而后可以将大规模模型结合分词器在归一化数据集上进行预训练,生成预训练模型,预训练任务可以包括经典的掩码语言任务(MaskedLanguage Modeling,MLM)和下一句预测任务(Next Sentence Prediction,NSP)。
根据本公开的另一方面,提供了一种代码风险检测装置。如图7所示,装置700包括:第一确定单元710,被配置为确定目标代码;第一提取单元720,被配置为提取目标代码中的至少一个目标指针变量;第一获取单元730,被配置为获取与至少一个目标指针变量相关联的代码片段,代码片段包括目标代码中的使用至少一个目标指针变量的代码语句;以及第一检测单元740,被配置为将代码片段输入深度学习模型,以得到深度学习模型输出的代码风险检测结果。
可以理解的是,装置700中的单元710-单元740的操作可以参照图2中的步骤S201-步骤S204的操作,在此不作赘述。
根据本公开的另一方面,提供了一种深度学习模型的训练装置。如图8所示,装置800包括:第二确定单元810,被配置为确定第一样本代码和第一样本代码对应的真实代码风险信息;第二提取单元820,被配置为提取第一样本代码中的至少一个第一样本指针变量;第二获取单元830,被配置为获取与至少一个第一样本指针变量相关联的样本代码片段,样本代码片段包括第一样本代码中的使用至少一个第一样本指针变量的代码语句;第二检测单元840,被配置为将样本代码片段输入深度学习模型,以得到深度学习模型输出的代码风险检测结果;以及调参单元850,被配置为基于真实代码风险信息和代码风险检测结果,调整深度学习模型的参数。
可以理解的是,装置800中的单元810-单元850的操作可以参照图5中的步骤S501-步骤S505的操作,在此不作赘述。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
参考图9,现将描述可以作为本公开的服务器或客户端的电子设备900的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图9所示,电子设备900包括计算单元901,其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序,来执行各种适当的动作和处理。在RAM 903中,还可存储电子设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
电子设备900中的多个部件连接至I/O接口905,包括:输入单元906、输出单元907、存储单元908以及通信单元909。输入单元906可以是能向电子设备900输入信息的任何类型的设备,输入单元906可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元907可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元908可以包括但不限于磁盘、光盘。通信单元909允许电子设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理,例如代码风险检测方法和/或深度学习模型的训练方法。例如,在一些实施例中,代码风险检测方法和/或深度学习模型的训练方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元908。在一些实施例中,计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到电子设备900上。当计算机程序加载到RAM903并由计算单元901执行时,可以执行上文描述的代码风险检测方法和/或深度学习模型的训练方法的一个或多个步骤。备选地,在其他实施例中,计算单元901可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行代码风险检测方法和/或深度学习模型的训练方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、系统和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (25)
1.一种代码风险检测方法,包括:
确定目标代码;
提取所述目标代码中的至少一个目标指针变量;
获取与所述至少一个目标指针变量相关联的代码片段,所述代码片段包括所述目标代码中的使用所述至少一个目标指针变量的代码语句;以及
将所述代码片段输入深度学习模型,以得到所述深度学习模型输出的代码风险检测结果。
2.根据权利要求1所述的方法,其中,所述目标代码包括目标函数的代码语句,获取与所述至少一个目标指针变量相关联的代码片段包括:
确定所述至少一个目标指针变量是否与不同于所述目标函数的其他函数具有调用关系;以及
响应于确定所述至少一个目标指针变量与所述其他函数具有调用关系,获取所述其他函数的代码语句,其中,所述代码片段包括所述其他函数的代码语句。
3.根据权利要求2所述的方法,其中,确定所述至少一个目标指针变量是否与不同于所述目标函数的其他函数具有调用关系包括:
响应于确定使用所述至少一个目标指针变量的代码语句包括函数调用语句,将所述函数调用语句所调用的子函数确定为与所述至少一个目标指针变量具有调用关系的其他函数。
4.根据权利要求2所述的方法,其中,确定所述至少一个目标指针变量是否与不同于所述目标函数的其他函数具有调用关系包括:
响应于确定所述至少一个目标指针变量中的一个目标指针变量为输入参数,将与所述输入参数对应的父函数确定为与所述至少一个目标指针变量具有调用关系的其他函数。
5.根据权利要求1-4中任一项所述的方法,其中,确定目标代码包括:
对用户提交的代码和历史代码进行差异对比分析,以得到所述目标代码。
6.根据权利要求1-4中任一项所述的方法,其中,所述深度学习模型为用于处理文本的大规模模型。
7.根据权利要求6所述的方法,其中,将所述代码片段输入深度学习模型,以得到所述深度学习模型输出的代码风险检测结果包括:
对所述代码片段进行分词,以得到与所述代码片段对应的多个分词,其中,所述代码片段包括至少一个字符串,所述多个分词包括所述至少一个字符串各自对应的字符串分词;
对所述多个分词执行归一化操作,包括:
对所述至少一个字符串各自对应的字符串分词进行归一化,归一化后的字符串分词包括预先定义的字符串指示文本和字符串索引,所述字符串指示文本用于向所述深度学习模型指示所述归一化后的字符串分词表征字符串,所述字符串索引指示与该字符串分词对应的字符串针对所述代码片段中的所有字符串的索引;以及
将归一化后的多个分词输入所述深度学习模型。
8.根据权利要求7所述的方法,其中,所述代码片段包括至少一个自定义变量名,所述多个分词包括所述至少一个自定义变量名各自对应的变量名分词,其中,所述归一化操作还包括:
基于所述至少一个自定义变量名各自的变量类型,对所述至少一个自定义变量名各自对应的变量名分词进行归一化,归一化后的变量名分词包括预先定义的变量类型指示文本和变量名索引,所述变量类型指示文本用于向所述深度学习模型指示所述归一化后的变量名分词表征所述对应的自定义变量名的变量类型,所述变量名索引指示与该变量名分词对应的自定义变量名针对所述代码片段中的所有所述变量类型的变量的索引。
9.根据权利要求1-4中任一项所述的方法,其中,提取所述目标代码中的至少一个目标指针变量包括:
对所述目标代码进行代码图谱分析,以得到所述目标代码的代码图谱,所述代码图谱包括所述至少一个目标指针变量和使用所述至少一个目标指针变量的代码语句。
10.根据权利要求1-4中任一项所述的方法,其中,所述代码风险检测结果指示所述目标代码中的具有的空指针风险的指针变量。
11.一种深度学习模型的训练方法,包括:
确定第一样本代码和所述第一样本代码对应的真实代码风险信息;
提取所述第一样本代码中的至少一个第一样本指针变量;
获取与所述至少一个第一样本指针变量相关联的样本代码片段,所述样本代码片段包括所述第一样本代码中的使用所述至少一个第一样本指针变量的代码语句;
将所述样本代码片段输入深度学习模型,以得到所述深度学习模型输出的代码风险检测结果;以及
基于所述真实代码风险信息和所述代码风险检测结果,调整所述深度学习模型的参数。
12.根据权利要求11所述的方法,其中,所述第一样本代码包括样本函数的代码语句,获取与所述至少一个第一样本指针变量相关联的样本代码片段包括:
确定所述至少一个第一样本指针变量是否与不同于所述样本函数的其他函数具有调用关系;以及
响应于确定所述至少一个第一样本指针变量与所述其他函数具有调用关系,获取所述其他函数的代码语句,其中,所述样本代码片段包括所述其他函数的代码语句。
13.根据权利要求12所述的方法,其中,确定所述至少一个第一样本指针变量是否与不同于所述样本函数的其他函数具有调用关系包括:
响应于确定使用所述至少一个第一样本指针变量的代码语句包括函数调用语句,将所述函数调用语句所调用的子函数确定为与所述至少一个第一样本指针变量具有调用关系的其他函数。
14.根据权利要求12所述的方法,其中,确定所述至少一个第一样本指针变量是否与不同于所述样本函数的其他函数具有调用关系包括:
响应于确定所述至少一个第一样本指针变量中的一个第一样本指针变量为输入参数,将与所述输入参数对应的父函数确定为与所述至少一个第一样本指针变量具有调用关系的其他函数。
15.根据权利要求11-14中任一项所述的方法,其中,所述深度学习模型为预训练的用于处理文本的大规模模型。
16.根据权利要求15所述的方法,其中,将所述代码片段输入深度学习模型,以得到所述深度学习模型输出的代码风险检测结果包括:
对所述样本代码片段进行分词,以得到与所述代码片段对应的多个第一样本分词,其中,所述样本代码片段包括至少一个第一字符串,所述多个第一样本分词包括所述至少一个第一字符串各自对应的第一字符串分词;
对所述多个第一样本分词执行归一化操作,包括:
对所述至少一个第一字符串各自对应的第一字符串分词进行归一化,归一化后的第一字符串分词包括预先定义的第一字符串指示文本和第一字符串索引,所述第一字符串指示文本用于向所述深度学习模型指示所述归一化后的第一字符串分词表征字符串,所述第一字符串索引指示与该第一字符串分词对应的第一字符串针对所述代码片段中的所有第一字符串的索引;以及
将归一化后的多个第一样本分词输入所述深度学习模型。
17.根据权利要求16所述的方法,其中,所述样本代码片段包括至少一个第一自定义变量名,所述多个第一样本分词包括所述至少一个第一自定义变量名各自对应的变量名分词,其中,所述归一化操作包括:
基于所述至少一个第一自定义变量名各自的变量类型,对所述至少一个第一自定义变量名各自对应的变量名分词进行归一化,归一化后的变量名分词包括预先定义的变量类型指示文本和变量名索引,所述变量类型指示文本用于向所述深度学习模型指示所述归一化后的变量名分词表征与该变量名分词对应的第一自定义变量名的变量类型,所述变量名索引指示与该变量名分词对应的第一自定义变量名针对所述代码片段中的所有所述变量类型的变量的索引。
18.根据权利要求17所述的方法,还包括:
确定第二样本代码,并对所述第二样本代码进行分词,以得到与所述第二样本代码对应的多个第二样本分词,其中,所述第二样本代码包括至少一个第二字符串和至少一个第二自定义变量名,所述多个第二样本分词包括所述至少一个第一字符串各自对应的第一字符串分词和所述至少一个第一自定义变量名各自对应的变量名分词;
对所述多个第二样本分词执行所述归一化操作;以及
利用无监督预训练任务,基于归一化后的多个第二样本分词对原始大规模模型进行预训练,以得到所述深度学习模型。
19.根据权利要求11-14中任一项所述的方法,其中,提取所述第一样本代码中的至少一个第一样本指针变量包括:
对所述第一样本代码进行代码图谱分析,以得到所述第一样本代码的代码图谱,所述代码图谱包括所述至少一个第一样本指针变量和使用所述至少一个第一样本指针变量的代码语句。
20.根据权利要求11-14中任一项所述的方法,其中,所述真实代码风险信息指示所述第一样本代码中的具有的空指针风险的指针变量。
21.一种代码风险检测装置,包括:
第一确定单元,被配置为确定目标代码;
第一提取单元,被配置为提取所述目标代码中的至少一个目标指针变量;
第一获取单元,被配置为获取与所述至少一个目标指针变量相关联的代码片段,所述代码片段包括所述目标代码中的使用所述至少一个目标指针变量的代码语句;以及
第一检测单元,被配置为将所述代码片段输入深度学习模型,以得到所述深度学习模型输出的代码风险检测结果。
22.一种深度学习模型的训练装置,包括:
第二确定单元,被配置为确定第一样本代码和所述第一样本代码对应的真实代码风险信息;
第二提取单元,被配置为提取所述第一样本代码中的至少一个第一样本指针变量;
第二获取单元,被配置为获取与所述至少一个第一样本指针变量相关联的样本代码片段,所述样本代码片段包括所述第一样本代码中的使用所述至少一个第一样本指针变量的代码语句;
第二检测单元,被配置为将所述样本代码片段输入深度学习模型,以得到所述深度学习模型输出的代码风险检测结果;以及
调参单元,被配置为基于所述真实代码风险信息和所述代码风险检测结果,调整所述深度学习模型的参数。
23.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-20中任一项所述的方法。
24.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行根据权利要求1-20中任一项所述的方法。
25.一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现权利要求1-20中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410077669.4A CN117909235A (zh) | 2024-01-18 | 2024-01-18 | 代码风险检测方法、深度学习模型的训练方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410077669.4A CN117909235A (zh) | 2024-01-18 | 2024-01-18 | 代码风险检测方法、深度学习模型的训练方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117909235A true CN117909235A (zh) | 2024-04-19 |
Family
ID=90691868
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410077669.4A Pending CN117909235A (zh) | 2024-01-18 | 2024-01-18 | 代码风险检测方法、深度学习模型的训练方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117909235A (zh) |
-
2024
- 2024-01-18 CN CN202410077669.4A patent/CN117909235A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114612749A (zh) | 神经网络模型训练方法及装置、电子设备和介质 | |
CN114611532B (zh) | 语言模型训练方法及装置、目标翻译错误检测方法及装置 | |
CN116028605B (zh) | 逻辑表达式生成方法、模型训练方法、装置及介质 | |
CN116306862B (zh) | 用于文本处理神经网络的训练方法、装置和介质 | |
CN114443989B (zh) | 排序方法、排序模型的训练方法、装置、电子设备及介质 | |
CN114547252A (zh) | 文本识别方法、装置、电子设备和介质 | |
CN115600646B (zh) | 语言模型的训练方法、装置、介质及设备 | |
CN115862031B (zh) | 文本处理方法、神经网络的训练方法、装置和设备 | |
CN115269989B (zh) | 对象推荐方法、装置、电子设备和存储介质 | |
CN112905743B (zh) | 文本对象检测的方法、装置、电子设备和存储介质 | |
CN115578501A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN114429678A (zh) | 模型训练方法及装置、电子设备和介质 | |
CN117909235A (zh) | 代码风险检测方法、深度学习模型的训练方法和装置 | |
CN115713071B (zh) | 用于处理文本的神经网络的训练方法和处理文本的方法 | |
CN114861658B (zh) | 地址信息解析方法及装置、设备和介质 | |
CN115879468B (zh) | 基于自然语言理解的文本要素提取方法、装置和设备 | |
CN114140851B (zh) | 图像检测方法和用于训练图像检测模型的方法 | |
CN116860328B (zh) | 生成指令数据的方法、装置、设备和介质 | |
CN114842474B (zh) | 文字识别方法、装置、电子设备和介质 | |
CN113836939B (zh) | 基于文本的数据分析方法和装置 | |
CN114611526A (zh) | 实体链接方法及装置、设备和介质 | |
CN117291191A (zh) | 文本处理方法及装置、设备和介质 | |
CN116862020A (zh) | 文本分类模型的训练方法、文本分类方法及装置 | |
CN114118066A (zh) | 专有名词纠错方法、装置、电子设备及存储介质 | |
CN117197483A (zh) | 用于检测图像中的对象的方法及装置、设备和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |