基于图神经网络与双向GRU特征抽取的软件缺陷检测方法

该方法提出了一种基于图神经网络与双向GRU特征抽取的缺陷检测框架。首先解析软件源代码文件，构造软件代码依赖网络模型，利用网络嵌入方法，对软件依赖网络进行学习，得到节点的嵌入向量，并进一步喂入图神经网络模型，得到软件代码的结构特征。与此同时，抽取软件源文件的抽象语法树，利用广度优先方法遍历得到代码的token序列，再使用双向门控递归单元进行建模，获得软件系统的语义特征。最后，将得到的软件代码结构特征与语义特征结合，训练一个分类器用于缺陷检测。该方法已被验证即适用于软件项目内缺陷检测，也适用于跨软件项目的缺陷检测，且具有较高的准确性。

利用复杂网络理论，将软件系统建模为一个软件网络，再结合深度学习技术的图神经网络模型对网络进行学习，获取软件代码的结构特征；利用双向GRU特征抽取代码抽象语法树中丰富的语义信息，并结合代码的语义（内部属性）与结构（外部属性）特征于软件缺陷检测。

团队成员：何鹏