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！

龙图腾网获悉中国人民解放军军事航天部队航天工程大学申请的专利一种针对FreeRTOS缓冲区溢出漏洞的图神经网络检测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：CN120145404B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202510623679.8，技术领域涉及：G06F21/57；该发明授权一种针对FreeRTOS缓冲区溢出漏洞的图神经网络检测方法是由王宇;左一冉;曾庆尧;熊达鹏设计研发完成，并于2025-05-15向国家知识产权局提交的专利申请。

本一种针对FreeRTOS缓冲区溢出漏洞的图神经网络检测方法在说明书摘要公布了：本发明涉及计算机安全技术领域，具体公开了一种针对FreeRTOS缓冲区溢出漏洞的图神经网络检测方法，包括：获取已知漏洞类型的源代码；对源代码进行预处理和函数级代码切分，得到多个函数代码；使用静态分析工具Joern构建函数代码的代码属性图；代码属性图对应的JSON文本中包括节点信息和边信息；根据代码属性图构建代码属性图的邻接矩阵，根据JSON文本构建节点信息的特征矩阵；根据邻接矩阵和特征矩阵训练得到图神经网络模型，以检测缓冲区溢出漏洞。

本发明授权一种针对FreeRTOS缓冲区溢出漏洞的图神经网络检测方法在权利要求书中公布了：1.一种针对FreeRTOS缓冲区溢出漏洞的图神经网络检测方法,其特征在于，包括： 获取已知漏洞类型的源代码； 对所述源代码进行预处理和函数级代码切分，得到多个函数代码； 使用静态分析工具Joern构建所述函数代码的代码属性图；所述代码属性图对应的JSON文本中包括节点信息和边信息； 根据所述代码属性图构建所述代码属性图的邻接矩阵，根据所述JSON文本构建所述节点信息的特征矩阵； 根据所述邻接矩阵和所述特征矩阵训练得到图神经网络模型，以检测缓冲区溢出漏洞； 所述根据所述邻接矩阵和所述特征矩阵训练得到图神经网络模型包括： 根据输入层、嵌入层、图卷积层、注意力池化层和输出层构建图神经网络模型； 其中，所述图卷积层包括第一层GCN和第二层GCN；所述第一层GCN和第二层GCN的激活函数均为ReLU； 所述根据所述邻接矩阵和所述特征矩阵训练得到图神经网络模型包括： 将所述邻接矩阵和所述特征矩阵导入所述输入层； 通过所述嵌入层对所述邻接矩阵和所述特征矩阵进行压缩，然后将压缩后的邻接矩阵和特征矩阵传输到所述图卷积层进行学习； 通过注意力机制池化层为不同节点分配不同权重并聚合，得到注意力分数； 对节点的注意力分数进行降序排列并根据降序排列结果保留预设比例的节点，得到图的掩码向量； 根据所述图的掩码向量更新所述特征矩阵和所述邻接矩阵； 通过所述输出层输出检测漏洞类型，用以判断所述检测漏洞类型与所述已知漏洞类型是否一致； 所述通过所述嵌入层对所述邻接矩阵和所述特征矩阵进行压缩，然后将压缩后的邻接矩阵和特征矩阵传输到所述图卷积层进行学习包括： 根据以下公式进行正向传播： 其中，为特征矩阵，为邻接矩阵，为邻接矩阵中加入自连接并归一化后得到的拉普拉斯矩阵，为激活函数，为第一层GCN的输出，为第二层GCN的输出，为图卷积层的输出，为权重参数矩阵，为第一层权重参数矩阵，为第二层权重参数矩阵。

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中国人民解放军军事航天部队航天工程大学，其通讯地址为：101416 北京市怀柔区八一路一号；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。