图神经网络代码_基于双向图神经网络的缺陷检测工具——BGNN4VD

最新推荐文章于 2022-12-22 14:29:33 发布
最新推荐文章于 2022-12-22 14:29:33 发布
阅读量826 收藏 2
点赞数 2
文章标签： 图神经网络代码
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_39797532/article/details/111393576
版权
➤ 基于双向图神经网络的缺陷检测工具—— BGNN4VD 工具简介 83475a627b16cfdb2d897d5a73616c3c.gif

BGNN4VD工具主要借助基于机器学习(深度学习)的方法，通过构造双向图神经网络来自动化地学习同类型缺陷间的共性特征，从而检测代码中可能存在的缺陷。

BGNN4VD包括两个主要步骤：代码图表征和双向图神经网络学习。代码图表征主要通过构建代码的抽象语法树AST、数据流图DFG和控制流图CFG，提取代码的语法语义特征，用于后续图神经网络的特征学习。双向图神经网络学习主要从缺陷代码的紧密耦合的属性出发，将缺陷代码的上下文信息都纳入代码的固有特征学习中，从而双向传递缺陷特征信息，解决了传统图神经网络在处理代码时会丢失部分语义信息的劣势。训练得到缺陷检测模型可结合多分类分类器进行多类别的自动化缺陷检测。

d1f06e4926e54d807f314fa06352b5b1.png 593bad138a1d32de268e7b3db0bbaa92.png

该工具在刚举行的CCF中国软件大会“命题型”原型系统竞赛——缺陷检测类工具竞赛中获得二等奖。

760a60903018201debbd1df8bf84d42f.gif

e0fceafc96e0d6861183708a2c8e5997.gif 比赛现场

e0fceafc96e0d6861183708a2c8e5997.gif

01曹思聪讲述工具的实现背景及原理 dbced0634ffdd24a18a696860153effd.png

02

来自华为公司的工程师进行结果验收，并与曹思聪就检测结果及方法上的细节进行进一步沟通，提出了一些改进建议。

33b274abaf08f5f2ebdf1fcca17a95f3.png e0fceafc96e0d6861183708a2c8e5997.gif比赛颁奖 e0fceafc96e0d6861183708a2c8e5997.gif

本次比赛主席南京大学潘敏学老师上台为曹思聪颁奖。

75db57adfa0684e683178fbc71018d77.png

f61b8d93804a2f8f51048066617f3ea3.gif

f61b8d93804a2f8f51048066617f3ea3.gif

cd699e13a3f005c8dc14c95d335a43de.png 368226a68b66de9d2a3205e6b5b2f61b.png

编辑：曹思聪 朱盼盼

审核：薄莉莉          

weixin_39797532
关注
  • 2
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于图神经网络的工控网络异常检测算法
05-06
网络异常检测技术成为入侵检测领域的重点研究内容, 但由于目前网络异常检测大多都停留在单点网络异常检测, 对不断更新的联合异常攻击和恶意软件无法做出快速及时的相应. 本文提出了一种基于图神经网络的工控网络异常检测算法, 融合网络节点自身属性以及网络拓扑结构中邻域节点的信息实现对网络异常的检测. 首先, 每个网络节点获取蕴含了连接节点的特征信息以及节点之间交互信息的状态向量; 其次, 每个节点使用不动点理论对网络进行迭代更新; 最后, 根据节点自身信息以及邻域节点信息通过神经网络提取更高层次的特征作为该节点的表示, 最后用聚类进行工控网络节点异常行为检测. 实验结果表明, 本文提出算法在具有较高检测率的同时, 也具有较高的鲁棒性.
matlab迁移学习神经网络颜色识别
最新发布
01-12
matlab深度学习实现图像识别（以区分颜色为例），可以实现matlab中alexnet神经网络的迁移学习，实时利用电脑相机实现对于白绿红黄四种颜色的辨认。 可以参考b站讲解视频：...
基于图神经网络的代码漏洞检测方法
lockhou的博客
02-11 3214
文章结构 1. 引言 1.1 漏洞现状 1.2 漏洞研究传统特点 现有的研究方案大多把源代码转化为文本序列，使用自然语言处理中常用的循环神经网络进行自动化特征提取，但这忽略了代码中由于跳转、循环、判断形成的控制流特征，往往会有较大的信息损失。如何提取源代码样本的特征信息，把源代码样本转换成适合后续神经网络训练的数据形式并最大化保留样本信息是关键问题之一。 1.3 文章贡献 1.3.1 设计了一种基于中间语言控制流图的代码特征提取方案 本文通过代码中间语言的控制流图提取代码样本的结构特征，使用控制流图基
双向神经网络（Bidirectional RNN）
csdn_xmj的博客
06-24 8160
来源：Coursera吴恩达深度学习课程 目前为止，我们已经了解了大部分RNN模型的关键的构件（key building blocks），还有两个方法（two more ideas）可以让你构建更好的模型，①双向RNN模型（bidirectional RNN），它可以让你在序列的某点处不仅可以获取之前的信息，还可以获取未来的信息。②第二个就是深层的RNN（deep RNN）。我们现在先从双向RNN开始吧。 回顾命名实体识别的例子，在判断第三个单词Teddy是不是人名的一部分时，我们只看了前三个单词，
Graph Decipher: A transparent dual-attention graph neural network 图解密器：一种透明的双注意图神经网络，用于理解节点分类的消息传递机制
爱吃牛里脊的博客
12-22 288
图形神经网络可以有效地应用于许多不同领域的实际问题的解决方案。图神经网络的成功与图上的消息传递机制有关，但在大多数算法中，消息聚合行为仍不完全清楚。为了改进功能，我们提出了一个名为Graph Decipher的新透明网络，通过在节点分类任务下的图形的图形、特征和全局级别上对两个主要组件（图形结构和节点属性）进行优先级排序，来研究消息传递机制。然而，计算负担现在成为最重要的问题，因为图结构和节点属性的相关性都是在图上计算的。
神经网络VD问题
stranger_man的博客
03-31 612
综述随着神经网络每层的学习速度其实是不一样的，并且随着层数增加这个问题就越来越明显。一般来说，接近输出层学习速率快，前面的层数学习慢，并随着层数增加学习越来越慢。这种情况我们称为梯度消失（vanishing gradient problem）。下面我们就来分析一下为什么会出现这种情况，并给出解决方案。理论推导若有一个神经网络如下：神经网络有6层，其中每层都有一个神经元。要想知道为什么层数增加训练的越
AnormallyDetection_pytorch_神经网络_anormallydetection_python_seems5
09-30
这里的“anormallydetection”再次确认了项目主题，而“seems5vd”可能是特定的模型名称或方法，可能是一种针对异常检测优化的神经网络结构，或者是一个用于评估或可视化结果的工具。遗憾的是，没有足够的信息来详细...
超深卷积神经网络的图像超分辨率重建研究.pdf
09-26
《超深卷积神经网络的图像超分辨率重建研究》这篇论文主要探讨了如何利用超深卷积神经网络（CNN）改进图像超分辨率重建技术，以解决传统VD-CN网络在处理大尺度因子时效果不佳的问题。论文作者提出了一个基于PReLU...
【MATLAB2016a】BP神经网络PID双闭环直流调速系统（带负载）
07-13
【MATLAB2016a】BP神经网络PID双闭环直流调速系统（带负载），使用步骤请看B站视频：https://www.bilibili.com/video/BV1xY4y1P7Rc/?vd_source=7c338f7ca9e256485c1a0c569850c46c
VBc_s_post.rar_soft5vd_收费_网络验证_网络验证系统
09-24
《VBc_s_post.rar软体5vd网络验证收费系统详解》 在当今信息化社会，软件产品的安全性与合法性日益受到重视，网络验证与收费系统成为软件开发商保护知识产权、实现盈利的重要手段。本文将深入探讨名为“VBc_s_post....
深度学习实现零件缺陷检测源代码
09-12
结合VGG和残差网络实现工业零件的缺陷检测，基于keras和tensorflow可以直接运行使用
基于卷积神经网络的缺陷检测
05-07
Surface defect detection plays a key role in controlling the quality during manufacturing process for strip steel. However, traditional defect detection of strip steel in industry is still performed manually, which can’t meet the requirement of real-time inline detection due to yield low efficiency and high missing rate. So far, computer vision based techniques for defect detection has attracted much attention of researchers, which has important theoretical and practical value.
采用神经网络滑模控制的PMSM速度控制策略.pdf
09-26
本文介绍了一种基于B样条神经网络（BSNN）的自适应速度控制策略，采用B样条神经网络算法对电流内环控制器的PI参数进行优化，速度外环采用滑模控制，建立了非线性观测器，实现了非线性系统的在线速度调整。...
USB OTG底层程序.zip_USB OTG底层程序_aboard2vd_darkness92k_happynx5_原理图
09-15
在本文中，我们将深入探讨USB OTG的底层程序、aboard2vd、darkness92k、happynx5以及相关的原理图。 首先，USB OTG的底层程序是实现OTG功能的关键部分，它包括驱动程序和固件。驱动程序负责与硬件交互，控制USB接口...
图神经网络 |BiGCN：双向低通滤波图神经网络
机器学习算法那些事
03-25 1958
论文标题 BiGCN: A Bi-directional Low-Pass Filtering Graph Neural Network作者团队 Zhixian Chen, Tengfe...
使用PyG进行图神经网络的节点分类、链路预测和异常检测
deephub
10-09 8369
图神经网络(Graph Neural Networks)是一种针对图结构数据(如社交图、网络安全网络或分子表示)设计的机器学习算法。它在过去几年里发展迅速，被用于许多不同的应用程序。在这篇文章中我们将回顾GNN的基础知识，然后使用Pytorch Geometric解决一些常见的主要问题，并讨论一些算法和代码的细节。
动手学深度学习（四十二）——双向循环神经网络（bi-RNN）
Liu Feng's Blog
11-13 6258
文章目录双向循环神经网络一、隐马尔可夫模型中的动态规划二、双向模型2.1 定义2.2 模型的计算成本及其应用三、双向循环神经网络的错误应用 双向循环神经网络   在序列学习中，我们以往假设的目标是：到目前为止，在给定观测的情况下对下一个输出进行建模。例如，在时间序列的上下文中或在语言模型的上下文中。虽然这是一个典型的情况，但这并不是我们可能遇到的唯一情况。为了说明这个问题，考虑以下三个在文本序列中填空的任务： 我 ___（高兴、饿了、很好…）。 我 ___ 饿了（非常、一般、已经…）。 我 ___ 饿了，
AES_CBC.zip_AES_CBC.zip_cbc_cbc加密_ship5vd_基于CBC的AES
07-14
标题中的"AES_CBC.zip_AES_CBC.zip_cbc_cbc加密_ship5vd_基于CBC的AES"表明这个压缩包文件主要涉及的是AES（Advanced Encryption Standard）加密算法，并且使用了CBC（Cipher Block Chaining）模式。AES是一种广泛...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值