人工智能安全：原理与实践 课件 第16章 代码漏洞检测原理与实践(16.2基于图神经网络的代码漏洞检测-实践).pptx

李剑博士，教授，博士生导师网络空间安全学院lijian@bupt.edu.cnJanuary23,2025第16章代码漏洞检测原理与实践实践16-1基于图神经网络的代码漏洞检测

本章介绍本实践内容主要讲述如何在Ubuntu操作系统虚拟机上通过Python编程语言实现一个基于图神经网络的代码漏洞检测系统。

1.实践目的学习代码的图表征方法，尝试使用joern工具提取代码特征。学习图神经网络模型，尝试使用GNN模型对代码进行建模和漏洞检测。了解小样本学习，尝试在小样本场景下提高模型的泛化能力。了解迁移学习的原理与应用。

2.实践环境环境

3.实践过程(1)了解代码的图表征方法，尝试使用joern工具提取代码特征(2)了解图神经网络模型，尝试使用GNN模型对代码进行建模和检测(3)了解迁移学习，尝试在小样本场景下提高模型的泛化能力(4)开始进行代码实现部分。(5)数据预处理(6)数据嵌入(7)模型训练评估(8)主函数实现命令工具（由于过程较复杂，教材里有详细解释！）

4.实践结果模型对代码样本进行漏洞检测。存在漏洞的概率0.5，标记为存在漏洞；概率0.5，标记为不存在漏洞。

5.参考代码本课程所有实践内容的Python语言参考源代码见本教材的网盘。

小结本实践主要介绍基于图神经网络的代码漏洞检测。

祝同学们学习进步！致谢