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！

龙图腾网获悉广州大学申请的专利一种针对代码模型用于提升对抗鲁棒性的对抗样本生成方法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：CN120763944B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202511285032.5，技术领域涉及：G06F21/57；该发明授权一种针对代码模型用于提升对抗鲁棒性的对抗样本生成方法是由辛遥;加文浩;陈川;张怡凯;卢璨设计研发完成，并于2025-09-10向国家知识产权局提交的专利申请。

本一种针对代码模型用于提升对抗鲁棒性的对抗样本生成方法在说明书摘要公布了：本发明属于深度学习领域，公开了一种针对代码模型用于提升对抗鲁棒性的对抗样本生成方法，包括：S1，获取经过安全修复的代码片段，将代码片段转换为抽象语法树，从抽象语法树中获取节点和边，构建图结构；S2，使用改进的GNN模型分别为每个叶节点打分，将得分最高的前K个叶节点作为高影响节点，分别获取每个高影响节点对应的n个替换候选节点，最终得到nK个对抗样本；S3，将生成的对抗样本输入到评分模型，若对抗样本能成功攻击评分模型，则对改进的GNN模型进行奖励，否则对评分模型进行奖励。本发明避免了对梯度信息的依赖，大大增强了对抗样本生成方法的适用范围，能够在更多现实场景下发挥作用，形成端到端对抗训练闭环。

本发明授权一种针对代码模型用于提升对抗鲁棒性的对抗样本生成方法在权利要求书中公布了：1.一种针对代码模型用于提升对抗鲁棒性的对抗样本生成方法，其特征在于，包括： S1，获取经过安全修复的代码片段，将代码片段转换为抽象语法树，从抽象语法树中获取节点和边，构建图结构； S2，使用改进的GNN模型分别为每个叶节点打分，将得分最高的前K个叶节点作为高影响节点，分别获取每个高影响节点对应的n个替换候选节点，最终得到nK个对抗样本； S3，将生成的对抗样本输入到评分模型，若对抗样本能成功攻击评分模型，则对改进的GNN模型进行奖励，否则对评分模型进行奖励； 改进的GNN模型的结构如下： 第一层为embedding层； 第二层为AST语义感知模块； 第三层为关系图注意力网络模块； 第四层为GraphSAGE层； 第五层为Jumping-Knowledge，用于拼接前四层； 第六层为MLP打分头； AST语义感知模块的输入包括节点、边类型以及节点特征； AST语义感知模块的作用如下： 对每个节点i，在第l层有表示；对每个关系r和注意力头k，先计算加权注意力能量： ：表示在第l层网络中，节点i与其邻居节点j在关系r和注意力头k下的注意力能量； ：表示针对关系r和注意力头k的线性变换权重矩阵； ：表示针对节点i的基础变换权重矩阵； ：表示在图神经网络第l层时，节点j的隐藏状态向量； ：表示在关系r、注意力头k下的可训练偏置项； 引入边权，归一化得到注意力系数： 表示在关系r下，节点i的邻居节点的集合； 表示节点i与邻居节点t在关系r下的边权重； 表示节点i与邻居节点t在关系r，注意力头k下的注意力能量； 然后对所有关系和所有注意力头聚合： 表示节点i在关系r、注意力头k下的聚合表示向量； 表示注意力权重系数； 表示节点i在第l+1层的更新表示； 表示节点i在关系r、注意力头k下聚合邻居得到的特征表示； 将根节点到节点i的AST路径映射为一串类型ID，送入小型Transformer或GRU，得到路径向量，直接加到聚合表示中： 表示节点i的最终融合表示； 表示一个可学习的线性变换矩阵，用于把路径向量投影到与相同的向量空间。

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广州大学，其通讯地址为：510006 广东省广州市番禺区大学城外环西路230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”。

以上内容由龙图腾AI智能生成。