林若钦，罗 琼

(广州大学华软软件学院，广东 广州 510990)

1 引言

软件系统广泛应用于各类生产、生活领域中，其开发过程中需要考虑的首要问题就是安全性，软件漏洞既会使资源产生不必要的消耗，也会严重损失应用行业的经济财产[1-2]。漏洞通常比较隐秘，而且与正常的程序数据没有明显差异，想又快又准地找到软件中存在的漏洞并非一件易事，因此，研究一种有效的软件漏洞检测算法具有一定的必要性。

文献[3]为提升开源软件代码质量、消除安全隐患，结合混合深度学习模型，提出一种开源软件漏洞检测方法，依据漏洞库关键点，架构控制流图，提取静态代码片段，经过数字化处理，将代码片段设置成混合深度学习模型输入项，令卷积神经网络成为与特征向量的交互接口，在网络中嵌入门控循环单元，获取门控机制，通过卷积、池化处理，降低特征向量维度，将该特征向量发送至softmax分类器中检测软件漏洞；文献[4]提出的软件漏洞检测Fuzzing样本优化法中，通过剔除软件不接受样本，利用改进的动态规划算法，获取初始样本简化集合，采用改进的simhash与海明距离算法，计算样本传播路径相似度，去除高相似度样本，经过遗传变异异常样本，架构新的测试样本，作为漏洞检测的理想数据。

由于上述方法无法应对软件漏洞变化，所以，本文对文献方法取长补短，提出一种可变形卷积神经网络的软件漏洞检测方法，其创新之处在于利用可变形卷积神……