[发明专利]漏洞测试模型训练方法和装置

权利要求书

1.一种漏洞测试模型训练方法，其特征在于，包括：

获取多个训练数据和多个训练数据中每个训练数据对应的标签信息，所述标签信息用于表示所述训练数据是否能够发现漏洞；

分别对每个所述训练数据进行分段处理，得到每个所述训练数据对应的特征点；

根据每个所述训练数据对应的特征点以及每个所述训练数据对应的标签信息，对原始测试模型进行训练，得到漏洞测试模型；

所述根据每个所述训练数据对应的特征点以及每个所述训练数据对应的标签信息，对原始测试模型进行训练，得到漏洞测试模型，包括：

将每个所述训练数据对应的特征点进行切词处理；

将切词处理后的特征点输入文本卷积网络，得到第一词向量；

根据所述第一词向量以及每个所述训练数据对应的标签信息对所述原始测试模型进行训练，得到所述漏洞测试模型。

2.根据权利要求1所述的方法，其特征在于，所述特征点包括步骤信息；并且，

所述根据所述第一词向量以及每个所述训练数据对应的标签信息对所述原始测试模型进行训练，得到所述漏洞测试模型，包括：

确定每个所述训练数据中的步骤信息，并获取所述步骤信息对应的第一词向量；

将所述步骤信息对应的第一词向量输入循环神经网络RNN，得到第二词向量；

根据除所述步骤信息之外的其他特征点对应的第一词向量、所述第二词向量以及每个所述训练数据对应的标签信息，对所述原始测试模型进行训练，得到所述漏洞测试模型。

3.根据权利要求2所述的方法，其特征在于，所述原始测试模型包括N个隐层和全连接层，N为正整数。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述特征点还包括如下信息中的至少一个：名称、预期结果、所述训练数据所属的模块、优先级、严重性和所述训练数据的描述信息。

5.根据权利要求1-3任一项所述的方法，其特征在于，所述方法还包括：

获取M个待测试用例，M为正整数；

分别将M个待测试用例输入所述漏洞测试模型中，得到每个待测试用例能够发现漏洞的概率；

根据所述每个待测试用例能够发现漏洞的概率，从所述M个待测试用例中确定P个目标待测试用例，所述目标待测试用例用于对代码进行测试，P≤M，P为正整数。

6.根据权利要求5所述的方法，其特征在于，所述根据所述每个待测试用例能够发现漏洞的概率，从所述M个待测试用例中确定P个目标待测试用例，包括：

按照所述每个待测试用例能够发现漏洞的概率从大到小的顺序，将前P个待测试用例确定为所述目标待测试用例。

7.一种漏洞测试模型训练装置，其特征在于，包括：

获取模块，用于获取多个训练数据和多个训练数据中每个训练数据对应的标签信息，所述标签信息用于表示所述训练数据是否能够发现漏洞；

处理模块，用于分别对每个所述训练数据进行分段处理，得到每个所述训练数据对应的特征点；

训练模块，用于根据每个所述训练数据对应的特征点以及每个所述训练数据对应的标签信息，对原始测试模型进行训练，得到漏洞测试模型；

所述训练模块，具体用于将每个所述训练数据对应的特征点进行切词处理；将切词处理后的特征点输入文本卷积网络，得到第一词向量；根据所述第一词向量以及每个所述训练数据对应的标签信息对所述原始测试模型进行训练，得到所述漏洞测试模型。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-6任一项所述的漏洞测试模型训练方法。

9.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-6任一项所述的漏洞测试模型训练方法。