摘要
本发明提供了一种基于大模型技术的代码评估与修复方法,旨在提升复杂结构代码的识别与修复能力;该方法包括:构建融合抽象语法结构、控制流与数据流的统一代码属性图,实现结构上下文建模;引入Mixture‑of‑Rank子空间映射函数与自激活响应机制,实现多秩潜在空间的动态建模;利用证据下界损失函数联合优化结构重构误差、KL正则项与低秩稀疏项,提升模型收敛与泛化能力,实现对漏洞类型、成因与影响范围的精准评估,并生成修复建议;本发明适用于多语言、多版本代码环境下的漏洞检测与智能修复,在实际工程环境中部署提供了稳定、精准且高质量的漏洞识别与修复建议支持。
技术关键词
生成代码
修复方法
增强型节点
漏洞
静态数据流分析
控制结构
条件判断语句
重构误差
截断奇异值
参数
抽象语法树
上下文特征
机制
大语言模型
语法结构
矩阵
变量
基础
解析器
系统为您推荐了相关专利信息
联邦学习模型
样本
修复方法
云服务器
文本处理模型
代码编辑器
漏洞
展示模型
节约系统资源
通信接口
面向多源异构数据
知识图谱构建
逼近理想解排序
节点
指纹算法
堵漏夹具
超声波探伤设备
红外热成像设备
水电站压力管道
堵漏修复方法