買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜燕山大學(xué)申請的專利一種基于加權(quán)詞向量和神經(jīng)網(wǎng)絡(luò)的軟件漏洞自動分類方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN114881172B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-04-01發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202210614135.1，技術(shù)領(lǐng)域涉及：G06F18/241；該發(fā)明授權(quán)一種基于加權(quán)詞向量和神經(jīng)網(wǎng)絡(luò)的軟件漏洞自動分類方法是由王倩;高玉瑩;任家東;張炳設(shè)計研發(fā)完成，并于2022-05-31向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于加權(quán)詞向量和神經(jīng)網(wǎng)絡(luò)的軟件漏洞自動分類方法在說明書摘要公布了：本發(fā)明公開了一種基于加權(quán)詞向量和神經(jīng)網(wǎng)絡(luò)的軟件漏洞自動分類方法，屬于計算機軟件安全領(lǐng)域，包括以下步驟：S1，對漏洞詳細(xì)描述文本的數(shù)據(jù)預(yù)處理；S2，漏洞文本經(jīng)過預(yù)處理后，通過Word2Vec模型和N?TF?IDF算法結(jié)合構(gòu)造加權(quán)詞向量，完成文本向量表示；S3，基于神經(jīng)網(wǎng)絡(luò)的TCNN?BiGRU漏洞分類模型實現(xiàn)漏洞自動分類，模型主要包括4個部分，分別為輸入層、TextCNN結(jié)構(gòu)、BiGRU結(jié)構(gòu)和全連接層。本發(fā)明能夠滿足對軟件漏洞的自動化分類需求，且不受漏洞數(shù)量和漏洞種類增多的限制，有效地處理詞向量空間的高維性和稀疏性問題，在準(zhǔn)確率、宏精確率、宏召回率和宏F1值等多維評價指標(biāo)中表現(xiàn)出較好性能。

本發(fā)明授權(quán)一種基于加權(quán)詞向量和神經(jīng)網(wǎng)絡(luò)的軟件漏洞自動分類方法在權(quán)利要求書中公布了：1.一種基于加權(quán)詞向量和神經(jīng)網(wǎng)絡(luò)的軟件漏洞自動分類方法，其特征在于包括以下步驟：S1，對漏洞詳細(xì)描述文本的數(shù)據(jù)預(yù)處理；S2，漏洞文本經(jīng)過預(yù)處理后，通過Word2Vec模型和N-TF-IDF算法結(jié)合構(gòu)造加權(quán)詞向量，完成文本向量表示；改進后的單詞的文本內(nèi)詞頻TF為類別內(nèi)的詞頻與該類下所有詞的詞頻的比值，如公式1所示： 其中，ni,j為單詞ti在第j類出現(xiàn)的次數(shù)，∑mnm,j為第j類所有詞出現(xiàn)的次數(shù)；改進后的IDF計算公式中引入類別文本數(shù)，如公式2所示： 其中，N為文本集合中文本總數(shù)，Ni,j為類別j中包含詞ti的文本數(shù)，∑kNi,k為所有類別中包含詞ti的文本數(shù)；綜合公式1和公式2，詞語在不同類別的文本中的重要性如公式3所示： S3，基于神經(jīng)網(wǎng)絡(luò)的TCNN-BiGRU漏洞分類模型實現(xiàn)漏洞自動分類，模型包括4個部分，分別為輸入層、TextCNN結(jié)構(gòu)、BiGRU結(jié)構(gòu)和全連接層；全連接層的輸入為TextCNN結(jié)構(gòu)和BiGRU結(jié)構(gòu)輸出的特征向量進行拼接得到的最終向量。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人燕山大學(xué)，其通訊地址為：066004 河北省秦皇島市海港區(qū)河北大街438號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。