摘要
本发明提供了一种基于持续学习的软件漏洞评估方法,属于软件工程技术领域。解决了在应对动态数据流时,面临灾难性遗忘而导致评估精度下降的技术问题。其技术方案为:包括以下步骤:(1)搜集处理漏洞严重程度预测相关数据集,并划分数据集为几个任务;(2)使用模型置信度来回放旧任务数;(3)融合源代码和漏洞描述,输入到CodeT5进行模型和提示模板训练;(4)引入EWC正则化项,在训练新任务时确保参数不会有大的偏差;(5借助混合提示模板融合源代码和漏洞描述,输入模型并完成严重程度的预测。本发明的有益效果为:借助提示微调和源代码与漏洞描述的融合,根据真实项目的动态数据进行漏洞评估,缓解灾难性遗忘问题。
技术关键词
参数
模板
训练神经网络模型
映射方法
软件开发项目
采样方法
软件工程技术
生成自然语言
训练语言模型
漏洞数据库
评估漏洞
矩阵
随机梯度下降
回放方法
开源项目
对源代码