一种优化机器学习的软件漏洞并行挖掘方法

本发明涉及一种优化机器学习的软件漏洞并行挖掘方法，属于漏洞挖掘领域。本发明将软件漏洞历史数据中漏洞代码函数、参数、目标变量等映射到符号名称域中，并对其归一化处理，建立由基类、子类、代码类组成的多类漏洞信息资源库，统一漏洞编码命名。使用机器学习中KNN算法深度聚类挖掘软件特征，并引入计算任意二者间欧式距离。将相似度最大特征所属关键节点定义为软件漏洞。本发明的方法特征分类精度较高，且软件漏洞挖掘的F1值可保持在0.88以上，挖掘误报率低；通过并行化工具运行，能够在特定场景下实现多种软件漏洞并行挖掘任务。