[發明專利]基于OpenCL的優化分類模型的建立、優化分類方法及系統

有效

• 申請號: 202110277166.8
• 申請日: 2021-03-15
• 公開（公告）號: CN113157917B
• 公開（公告）日: 2023-03-24
• 發明（設計）人: 湯戰勇;張宇翔;趙佳棋;張成;葉貴鑫;房鼎益
• 申請（專利權）人: 西北大學
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/253;G06F40/30;G06N3/0464
• 代理公司: 西安恒泰知識產權代理事務所 61216
• 代理人: 王芳

1.基于OpenCL的優化分類模型的建立方法，其特征在于，包括如下步驟：

步驟1：獲取源代碼數據集和源代碼類別集，所述的源代碼數據集包括多個源代碼，所述的源代碼類別集包括源代碼數據集中所有源代碼的類別，根據源代碼數據集建立AST圖集和IR圖集，其中，根據源代碼數據集中任意一個源代碼生成多張AST圖和多張IR圖滿足如下子步驟：

步驟1.1：將源代碼進行預處理，獲得標準化源代碼；

步驟1.2：獲取標準化源代碼中的主函數，對標準化源代碼中的主函數進行AST解析，獲得標準化源代碼的AST樹，對標準化源代碼中的主函數進行IR轉換，獲得中間指令集；

步驟1.3：對步驟1.2得到的AST樹根據深度優先遍歷添加AST邊，生成多張AST圖，其中，每張AST圖包含一種AST邊且不同AST圖包含的AST邊的種類不同，所述的AST邊的種類包括：Child邊、Next_Token邊、Guarded邊、Jump邊和Compute_From邊；

步驟1.4：對步驟1.2得到的中間指令集添加IR邊，生成多張IR圖，其中，每張IR圖包含一種IR邊且不同IR圖包含的IR邊的種類不同，所述的IR邊的種類包括：順序流邊、數據流邊和控制流邊；

步驟2：建立RGNN模型，所述的RGNN模型包括嵌入層、批標準化層和全連接層，將AST圖集和IR圖集作為訓練集，將源代碼類別集作為標簽集，對RGNN模型進行訓練，將訓練好的RGNN模型作為優化分類模型；

所述的嵌入層用于獲取每個源代碼的特征矩陣、每個源代碼的所有AST圖的鄰接矩陣和每個源代碼的所有IR圖的鄰接矩陣，生成每個源代碼的嵌入層向量；

所述的批標準化層用于獲取每個源代碼的嵌入向量并進行歸一化，得到每個源代碼的歸一化向量；

所述的全連接層用于獲取每個源代碼的歸一化向量進行分類，輸出源代碼的類別；

所述特征矩陣的構建方法如下：(1)學習AST樹中節點的特征，獲得每種屬性的特征向量，每個屬性的特征向量形式為1*100的一維向量；每個AST樹節點都有對應的屬性，屬性使用字符串表明該節點的作用；對每個AST樹中訪問到的節點屬性進行打印保存，最終獲得所有圖的節點屬性集合，使用Word2Vec的Skip-Gram算法去學習節點類型和節點上下文之間的關系；設置上下文長度設為1，嵌入長度設為100；(2)節點向量重組：根據節點類型進行特征抽取重組，假如一個Kernel轉換的圖有50個AST節點，則會根據節點的類型抽取對應向量進行拼接生成一個50*100的特征矩陣；至此完成所有Cl2Graph的流程；

具體的，所述的嵌入層中，AST圖的鄰接矩陣可以表示為：

G1＝G_ASTChild,G_NextToken,G_GuardedBy,G_Jump,G_ComputedFrom，其中任意G＝V,EV代表節點集合，E代表邊的集合；

根據邊類型進行特征提取，獲得AST圖的特征μ1，μ1_＝G_ASTChild*X+G_NextToken*X+_,G_GuardedBy*X+...+G_ComputedFrom，特征矩陣X與每種邊構建的圖做卷積操作，生成每種邊獨有的新的節點特征，最終將五種特征矩陣進行聚合，完邊類型的特征提??；同理，IR圖同樣進行上述操作，得到IR圖的鄰接矩陣G2，IR圖的特征μ2，將μ1和μ2進行拼接得到節點特征向量μ。

2.如權利要求1所述的基于OpenCL的優化分類模型的建立方法，其特征在于，所述的源代碼的類別為運行設備種類或分配線程數的種類，所述的運行設備種類包括2種，所述的分配線程數的種類為6種。

3.如權利要求2所述的基于OpenCL的優化分類模型的建立方法，其特征在于，所述的全連接層包括兩層，第一層為16個神經，第二層為N個神經元，N為大于等于2的正整數，若源代碼的類別為運行設備種類，則N＝2，若源代碼的類別為分配線程數的種類，則N＝6。