[發(fā)明專利]源代碼語言類型檢測方法和系統(tǒng)、設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202210344124.6
• 申請日: 2022-04-02
• 公開（公告）號: CN114840207A
• 公開（公告）日: 2022-08-02
• 發(fā)明（設(shè)計）人: 何魏酉;張研;李薛
• 申請（專利權(quán)）人: 三六零數(shù)字安全科技集團(tuán)有限公司
• 主分類號: G06F8/41
• 分類號: G06F8/41;G06K9/62
• 代理公司: 北京市鼎立東審知識產(chǎn)權(quán)代理有限公司 11751
• 代理人: 朱慧娟

1.一種源代碼語言類型檢測方法，其特征在于，包括：

基于預(yù)先構(gòu)建的代碼特征集合，提取當(dāng)前要檢測的源代碼的代碼特征；

計算所述代碼特征的TF-IDF，并基于計算得到的TF-IDF結(jié)合訓(xùn)練好的檢測模型，由所述檢測模型根據(jù)所述TF-IDF對當(dāng)前要檢測的所述源代碼進(jìn)行檢測分類。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述代碼特征集合中包括不同語言類型的源代碼的變量類型、函數(shù)名、包名、語法格式、標(biāo)識符中的至少一種。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，基于預(yù)先構(gòu)建的代碼特征集合，提取當(dāng)前要檢測的源代碼的代碼特征時，按照元素匹配的方式進(jìn)行。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括檢測模型訓(xùn)練的步驟；

其中，對所述檢測模型進(jìn)行訓(xùn)練時，包括：

收集不同語言類型的源代碼的變量類型、函數(shù)名、包名、語法格式、標(biāo)識符中的至少一種構(gòu)建所述代碼特征集合，并收集預(yù)設(shè)數(shù)量的源代碼作為樣本數(shù)據(jù)；其中，預(yù)設(shè)數(shù)量的源代碼的語言類型包括多種；

基于所述代碼特征集合提取各所述樣本數(shù)據(jù)的代碼特征，并計算提取出的樣本數(shù)據(jù)的代碼特征計算TF-IDF；

將各所述樣本數(shù)據(jù)的TF-IDF輸入至檢測模型中，對所述檢測模型進(jìn)行訓(xùn)練。

5.根據(jù)權(quán)利要求1至4任一項所述的方法，其特征在于，所述檢測模型為隨機(jī)森林模型。

6.根據(jù)權(quán)利要求1至4任一項所述的方法，其特征在于，基于預(yù)先構(gòu)建的代碼特征集合，提取當(dāng)前要檢測的源代碼的代碼特征之前，還包括：

由所述源代碼中提取出特有特征，在提取出所述特有特征時，執(zhí)行根據(jù)所述特有特征對所述源代碼進(jìn)行檢測分類的步驟。

7.一種源代碼語言類型檢測系統(tǒng)，其特征在于，包括：特征提取模塊和檢測分類模塊；

所述特征提取模塊，被配置為基于預(yù)先構(gòu)建的代碼特征集合，提取當(dāng)前要檢測的源代碼的代碼特征；

所述檢測分類模塊，被配置為計算所述代碼特征的TF-IDF，并基于計算得到的TF-IDF結(jié)合訓(xùn)練好的檢測模型，由所述檢測模型根據(jù)所述TF-IDF對當(dāng)前要檢測的所述源代碼進(jìn)行檢測分類。

8.根據(jù)權(quán)利要求7所述的系統(tǒng)，其特征在于，還包括啟發(fā)式檢測模塊；

所述啟發(fā)式檢測模塊，被配置為在所述特征提取模塊提取當(dāng)前要檢測的源代碼的代碼特征之前，由所述源代碼中提取出特有特征，在提取出所述特有特征時，執(zhí)行根據(jù)所述特有特征對所述源代碼進(jìn)行檢測分類的步驟。

9.一種源代碼語言類型檢測設(shè)備，其特征在于，包括：

處理器；

用于存儲處理器可執(zhí)行指令的存儲器；

其中，所述處理器被配置為執(zhí)行所述可執(zhí)行指令時實現(xiàn)權(quán)利要求1至6中任意一項所述的方法。

10.一種非易失性計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序指令，其特征在于，所述計算機(jī)程序指令被處理器執(zhí)行時實現(xiàn)權(quán)利要求1至6中任意一項所述的方法。