毕业论文课题相关文献综述
一．研究背景2017年勒索病毒席卷全球，造成直接经济损失就达上百万美元。
软件开发人员不得不将软件安全漏洞问题列为重点研究对象。
但目前针对软件漏洞（特别是安全漏洞）的预测技术仍不完善，一方面受制于安全漏洞缺陷数据集的大量匮乏，另一方面由于代码表示仍然是一个开放课题，使用传统软件度量特征不能够精确表示程序代码。
因此本课题重点从上述两个问题考虑，使用基于自然语言处理的词袋模型来刻画代码的语法树、语义关系，并结合深度学习来检测软件中可能存在的安全漏洞。
二．研究现状诸如安全性测试，代码审查和形式验证之类的校验技术（Vrgen Schmidhuber. Deep learning in neural networks: An overview. Neural Networks 61: 85-117 (2015). [7] Geoffrey E. Hinton, Simon Osindero, Yee Whye The. A Fast Learning Algorithm for Deep Belief Nets. Neural Computation 18(7): 1527-1554 (2006). [8] Yann LeCun, Yoshua Bengio, Geoffrey E. Hinton. Deep learning. Nature 521(7553): 436-444 (2015). [9] Patrick Kwaku Kudjo, Jinfu Chen. A cost-effective strategy for software vulnerability prediction based on bellwether analysis. ISSTA 2019: 424-427. [10] Christopher Theisen, Laurie Williams. Better together: Comparing vulnerability prediction models. Information Software Technology 119 (2020). [11] Kazi Zakia Sultana, Byron J. Williams, Amiangshu Bosu. A Comparison of Nano-Patterns vs. Software Metrics in Vulnerability Prediction. APSEC 2018: 355-364. [12] Sayem Mohammad Imtiaz, Tanmay Bhowmik. Towards data-driven vulnerability prediction for requirements. ESEC/SIGSOFT FSE 2018: 744-748. [13] Kazi Zakia Sultana. Towards a software vulnerability prediction model using traceable code patterns and software metrics. ASE 2017: 1022-1025. [14] Matthieu Jimenez, Mike Papadakis, Yves Le Traon. Vulnerability Prediction Models: A Case Study on the Linux Kernel. SCAM 2016: 1-10.
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
