[發明專利]針對代碼檢測結果的審計方法和裝置

在審

• 申請號: 202110336853.2
• 申請日: 2021-03-29
• 公開（公告）號: CN112948261A
• 公開（公告）日: 2021-06-11
• 發明（設計）人: 夏偉;陽驍堯;鄒為;涂耀旭;程東旭;鄭娜威;毛道娟
• 申請（專利權）人: 建信金融科技有限責任公司
• 主分類號: G06F11/36
• 分類號: G06F11/36;G06Q10/10;G06N7/00
• 代理公司: 中原信達知識產權代理有限責任公司 11219
• 代理人: 張效榮;王志遠

1.一種針對代碼檢測結果的審計方法，其特征在于，包括：

獲取代碼檢測工具針對目標代碼的檢測結果；其中，所述檢測結果中包括所述代碼檢測工具檢測出的至少一個初始問題的詳情數據；

從每一初始問題的詳情數據中提取該初始問題的特征數據，將每一初始問題的特征數據輸入預先訓練的誤報判別模型，根據所述誤報判別模型的輸出結果確定所述初始問題中的誤報問題；

將所述初始問題中的誤報問題去除以實現對所述檢測結果的審計。

2.根據權利要求1所述的審計方法，其特征在于，所述誤報判別模型包括：基于不同機器學習算法的第一誤報鑒別模型和第二誤報鑒別模型。

3.根據權利要求2所述的審計方法，其特征在于，所述將每一初始問題的特征數據輸入預先訓練的誤報判別模型，根據所述誤報判別模型的輸出結果確定所述初始問題中的誤報問題，包括：

將每一初始問題的特征數據輸入預先訓練的第一誤報鑒別模型，將第一誤報鑒別模型的正向輸出結果對應的初始問題確定為誤報問題，將第一誤報鑒別模型的負向輸出結果對應的初始問題確定為第一待定問題。

4.根據權利要求3所述的審計方法，其特征在于，所述將每一初始問題的特征數據輸入預先訓練的誤報判別模型，根據所述誤報判別模型的輸出結果確定所述初始問題中的誤報問題，進一步包括：

將每一第一待定問題的特征數據輸入預先訓練的第二誤報鑒別模型，將第二誤報鑒別模型的正向輸出結果對應的第一待定問題確定為誤報問題，將第二誤報鑒別模型的負向輸出結果對應的第一待定問題確定為第二待定問題。

5.根據權利要求4所述的審計方法，其特征在于，所述審計方法進一步包括：

在所述將所述初始問題中的誤報問題去除之后，通過人工審計方式確定所述第二待定問題中的誤報問題并去除；其中，去除該誤報問題后的第二待定問題為非誤報問題。

6.根據權利要求5所述的審計方法，其特征在于，第一誤報鑒別模型和第二誤報鑒別模型中的任一誤報鑒別模型通過以下步驟訓練：

獲取已確定屬于誤報問題還是非誤報問題的多個初始問題，將每一初始問題的特征數據與標簽數據組合為一個訓練樣本；其中，所述標簽數據用于表征初始問題屬于誤報問題還是非誤報問題；

依據所述訓練樣本訓練該誤報鑒別模型；其中，所述訓練樣本中的特征數據用于訓練輸入，所述訓練樣本中的標簽數據作為訓練針對的標簽。

7.根據權利要求6所述的審計方法，其特征在于，所述初始問題的特征數據包括以下至少一種數據：所述初始問題對應的文件名、文件路徑、檢測規則標識、縮略代碼片段、調用鏈信息；其中，所述檢測規則是所述代碼檢測工具檢測到所述初始問題時所采用的。

8.根據權利要求7所述的審計方法，其特征在于，所述已確定屬于誤報問題還是非誤報問題的多個初始問題為：通過人工審計方式確定屬于誤報問題還是非誤報問題的初始問題，所述訓練樣本中的特征數據進一步包括：人工審計意見。

9.根據權利要求1所述的審計方法，其特征在于，所述初始問題的詳情數據包括所述初始問題對應的以下至少一種數據：文件名、文件路徑、檢測規則標識、縮略代碼片段、調用鏈信息、問題標識、問題嚴重性指標、代碼行；其中，所述檢測規則是所述代碼檢測工具檢測到所述初始問題時所采用的。

10.根據權利要求9所述的審計方法，其特征在于，所述審計方法進一步包括：

在所述獲取代碼檢測工具針對目標代碼的檢測結果之后，遍歷每一初始問題的詳情數據，將所述詳情數據中檢測規則標識不屬于預設規則標識集合的初始問題確定為誤報問題并去除。

11.根據權利要求2所述的審計方法，其特征在于，第一誤報鑒別模型基于樸素貝葉斯算法構建，第二誤報鑒別模型基于決策樹算法構建；或者，第二誤報鑒別模型基于樸素貝葉斯算法構建，第一誤報鑒別模型基于決策樹算法構建。