一种利用机器学习识别源代码中弱点的检测方法

本发明涉及源代码弱点检测技术领域，是一种利用机器学习识别源代码中弱点的检测方法，具体方法包括：配置相应的代码检测环境；建立弱点检测机器学习模型，通过弱点检测机器学习模型预测代码范围的执行路径种类；触发源代码的异常执行行为，同步建立控制流图并分析用户输入代码用例在注入过程中各个节点的控制流转移程度系数；量化用户输入代码用例在注入过程中应用程序的路径覆盖率及实时资源占用率，计算待检测源代码段的执行路径异常率；根据待检测源代码段的执行路径异常率评估漏洞修复难度系数；本发明解决了现有技术中，动态源代码的代码覆盖率低、检测过程效率低、误报率高及漏洞修复策略混乱的问题。