基于深度学习的安全缺陷报告预测方法实证研究

该研报主要研究了基于深度学习的安全缺陷报告预测方法。研究发现，传统机器学习分类算法在安全缺陷报告预测性能方面存在一定的瓶颈，因此提出了一种基于深度学习的安全缺陷报告预测方法。该方法使用深度文本挖掘模型TextCNN和TextRNN构建安全缺陷报告预测模型，并使用Skip-Gram方式构建词嵌入矩阵和注意力机制对TextRNN模型进行优化。实证研究结果表明，该方法在80%的实验案例中都优于传统机器学习分类算法，性能指标F1-score平均可提升0.258，甚至在最好的情况下可以提升0.535。此外，还对不同采样方法进行了实证研究，并对结果进行了分析。