一种基于可变形卷积的卷积神经网络固件漏洞检测方法

本发明涉及一种基于可变形卷积的卷积神经网络固件漏洞检测方法，其采用基于卷积神经网络的固件漏洞检测模型，对预处理后的电力边端设备的固件二进制文件进行处理后输出分类结果：评价出固件二进制文件是正常固件还是含漏洞固件。自适应注意力特征计算输出的注意力融合特征图Z做可变形卷积计算后，输出自适应空间表征图Z做池化。本发明通过在固件漏洞检测模型中增加可变形卷积计算，将自适应注意力特征计算输出的注意力融合特征图Z做可变形卷积计算后，输出自适应空间表征图Z做池化，引入的可变形卷积计算是通过偏移量学习实现动态采样，从而增强对结构异形、局部特征离散区域的感知能力，提升漏洞定位精度。