基于对抗训练数据增强与多任务学习的软件漏洞理解方法

本发明提出一种基于对抗训练数据增强与多任务学习的软件漏洞理解方法，属于软件质量保障技术领域，解决了现有方法中难以同时准确完成漏洞类型预测与行级漏洞定位且增强样本易破坏代码语义的技术问题。其技术方案为：包括以下步骤：(1)构建包含漏洞类型标签和行级漏洞标签的C/C++漏洞数据集；(2)采用PGD算法在嵌入空间生成受AST和PDG约束的对抗训练数据增强方法；(3)以预训练模型为共享编码器。本发明的有益效果为：该方法能够显著提升两个任务的性能，并有效减少漏洞理解和分析过程中所需的人工工作量。