买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京大学申请的专利基于领域自适应的跨项目漏洞检测模型获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115168865B 。

龙图腾网通过国家知识产权局官网在2025-09-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210745440.4，技术领域涉及：G06F21/57；该发明授权基于领域自适应的跨项目漏洞检测模型是由张贺;毛润丰;殷慧琳;荣国平;周鑫;邵栋设计研发完成，并于2022-06-28向国家知识产权局提交的专利申请。

本基于领域自适应的跨项目漏洞检测模型在说明书摘要公布了：本发明提供一种基于领域自适应的跨项目漏洞检测模型，通过深度神经网络学习项目代码特征，并采用领域自适应方法减小源项目和目标项目的数据分布差异，步骤包括：根据软件代码度量相似度分析选择源项目；解析项目源代码获取抽象语法树，并进行代码预处理；构建深度学习模型进行模型预训练；基于多域数据集学习源项目和目标项目的深度特征表示；使用半监督度量迁移学习框架Semi‑SupervisedMetricTransferLearning,SSMTL对源项目和目标项目的深度特征进行领域自适应处理；基于标记数据训练分类器，并对目标项目中的数据进行漏洞预测。该方案可适用于源项目中拥有充足的标记漏洞数据，通过利用漏洞检测模型提高目标项目的漏洞检测效率，降低人工成本。

本发明授权基于领域自适应的跨项目漏洞检测模型在权利要求书中公布了：1.一种基于领域自适应的跨项目漏洞检测模型，其特征在于，包括以下步骤： S1：获取源项目集合与目标项目的代码度量指标，并使用欧式距离衡量项目之间的代码度量相似度，选择与目标项目最为接近的项目作为源项目； S2：使用代码解析工具扫描项目源代码，基于源代码中的每个函数生成一个抽象语法树，遍历抽象语法树中的所有节点，生成顺序的token序列，并对序列进行规范化处理，根据该函数是否在通用漏洞披露CommonVulnerabilityandExposure,CVE数据库中被报告为其添加标签，所述标签指示函数代码中有漏洞或无漏洞； S3：使用Word2vec模型对生成序列进行嵌入训练，将生成的对应向量输入双向长短期记忆Bi-directionalLongShort-TermMemory,Bi-LSTM神经网络模型中进行训练，并保存结果最优的模型； S4：使用基于多域数据集的跨项目特征学习方式从预训练好的模型中学习源项目和目标项目代码的深度特征表示； S5：使用SSMTL框架对源项目和目标项目中的深度特征及标签进行领域自适应学习，生成距离度量矩阵，并对特征进行转换，以减小项目之间的数据分布差异； S6：使用线性判别分析作为分类器对转换后的标记代码特征进行训练，并对目标项目的数据进行漏洞预测，最终输出预测为漏洞的函数信息，并验证分类器的预测效果； 其中，所述S5包括以下步骤： S5-1：使用SSMTL框架对源项目和目标项目的深度特征进行领域自适应处理，学习距离度量矩阵； S5-2：使用学习到的距离度量矩阵对源项目和目标项目的特征矩阵进行转换； 该步骤中使用的SSMTL是一种流形的半监督度量学习框架，在应对跨项目漏洞检测场景时，SSMTL从以下三个方面对源项目和目标项目中的深度特征表示进行领域自适应处理： 1学习正则化距离度量，从而寻求一个最优的距离度量使漏洞类和非漏洞类的数据样本距离增大，分类同为漏洞类或同为非漏洞类的数据样本距离减小,正则化距离度量的学习除了考虑输入的特征向量外，通过提供数据形式的外部信息或侧信息来度量适当的距离函数； 2使用协变量偏移自适应精确地最小化源项目和目标项目之间的分布差异，影响协变量偏移的正则化项定义如下： 其中v0xi是数据样本xi在源项目中欧式距离度量下的初始权值，通过ν0xi的值确定数据样本xi与源项目数据或目标项目数据的相似程度，如果其值越高，则与源项目相比，xi更接近于目标项目； 3使用基于图的流形假设，根据如果两个样本相对于流形上的某个度量具有较高的相关性，则它们在进行投影时保持相似的原理，将数据的几何形状建模为图的形式，衡量任意样本与其邻居节点的距离，其中数据构成图的顶点，边缘表示适当的邻域关系，假设G＝V,E为连通图，V分别对应源项目和目标项目的N个数据样本，E表示数据样本之间的关系，则任意两个样本xi和xj之间的相似度计算公式定义如下： 其中σij 2＝σiσj，σi是元素xi和它的K近邻之间的距离。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京大学，其通讯地址为：210023 江苏省南京市栖霞区仙林大道163号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。