[发明专利]一种基于特征融合的算法血缘管理方法及装置

说明书

本发明公开了一种基于特征融合的算法血缘管理方法，包括：步骤1、获取算法信息与对应的源码数据，对所述源码数据进行解析，获得控制流图与控制流图中节点信息对应的抽象语法树；步骤2、获取源码数据在控制流图中对应的节点信息，计算获得节点嵌入向量；步骤3、获取源码数据在抽象语法树中对应的序列标识符，计算获得词嵌入向量；步骤4、对节点嵌入向量和词嵌入向量进行融合，获得对应的融合特征向量；步骤5、根据算法信息和融合特征向量，对融合特征向量进行可视化分析，获得算法血缘图谱。本发明还提供了一种算法血缘管理装置。本发明提供的方法通过融合算法的多维特征，从而解决算法来源难以追溯，难以管理的问题。

技术领域

本发明涉及数据管理技术领域，尤其涉及一种基于特征融合的算法血缘管理方法及装置。

背景技术

近年来，随着软件领域的迅猛发展，越来越多的应用系统、网站等被人类通过网络连接、访问，软件供应链越发复杂多元，复杂的软件供应链会引入一系列的安全问题，如算法孤岛现象严重、算法来源难追溯、算法质量难保障等，软件系统的质量成为国内外的研究焦点，代码安全逐渐成为学术界、工业界的热门话题。

为了方便对算法进行溯源分析及管理，需要将算法血缘关系进行可视化，从而将算法血缘关系清晰地呈现在用户面前。然而，现有的可视化分析方法中，基于词法的表示方法实现简单快捷，但是忽略了算法的结构特性；基于语法的表示方法虽然解决了词法的缺陷，但是忽略了算法的上下文之间的依赖，基于语义的表示方法虽然解决了基于语法的缺陷，可以方便了解程序的执行过程，但是最终模型的复杂程度巨大。

专利文献CN112783857A公开了一种数据血缘管理方法、装置、电子设备及存储介质。其方法包括：获取目标元数据的工作流，并将工作流存储至目标节点；工作流包括至少一个流程组件；对工作流中的流程组件进行解析，确定各个流程组件的来源表、目标表以及来源表中来源字段和目标表中目标字段之间的关联关系；通过目标节点的属性信息和分枝图对数据血缘进行管理。该方法针对数据的全流程，即从数据产生到数据消亡的记录和管理，需要实时进行更新数据流内容。

专利文献CN110363985A公开了一种交通数据分析方法、装置、存储介质及设备。该方法包括：获取交通数据；根据血缘管理算法将交通数据进行分类计算，构建包含不同类别交通数据的主题库；根据多维度分析算法对交通数据进行分析计算，构建包含不同维度交通数据的专题库；根据主题库和专题库生成交通数据分析结果。该方法通过血缘管理算法对所以数据进行了分类，并以分类结果进行多维度预测，提高最终决策的整体效益。

传统数据血缘是用于研究数据流向下的表与表之间的关系，在预测过程中针对的是数据与数据之间的作用关系，而本申请提出的算法血缘是针对算法的语法与功能统一管理，但现阶段的算法血缘仅通过语法的表述方式进行呈现，但是对应的源码数据之间的逻辑顺序却不能很好的表达出来，从而影响了后续源码数据管理的难度。

发明内容

为了解决上述问题，本发明提供了一种基于特征融合的算法血缘管理方法，该方法通过融合算法的多维特征，从而解决算法来源难以追溯，难以管理的问题。

一种基于特征融合的算法血缘管理方法，包括：

步骤1、获取算法信息与对应的源码数据，对所述源码数据进行解析，获得控制流图与所述控制流图中节点信息对应的抽象语法树；

步骤2、获取源码数据在所述控制流图中对应的节点信息，计算获得节点信息对应的节点嵌入向量；

步骤3、获得源码数据在所述抽象语法树中对应的序列标识符，计算获得序列标识符对应的词嵌入向量；

步骤4、对步骤2获得的节点嵌入向量和步骤3获得的词嵌入向量进行融合，获得对应源码数据的融合特征向量；

步骤5、根据步骤1获得的算法信息和步骤4获得的融合特征向量，将源码数据对应的融合特征向量进行可视化分析，获得用于溯源管理源码数据的算法血缘图谱。