研究文章
软件系统安全漏洞管理使用NLP探索语言的功能模型
|
输入:安全——和nonsecurity-related文本标签 |
|
过程: |
| (1) |
数据预处理和标记创建一个伯特层: |
|
FullTokenizer = bert.bert_tokenization |
|
FullTokenizer |
|
bert_layer = hub.KerasLayer |
|
(“https://tfhub.dev/tensorflow/bert_en_uncased_l - 12 - _h - 768 - 12/1”, |
|
可训练的= False) |
| (2) |
用于数据集创建、填充数据的批次要做,把所有的训练序列长度一致 |
| (3) |
测试和训练数据集创建批次 |
| (4) |
DCNN模型建立按在上面的表中提供的规格 |
| (5) |
训练模型中提供的规格表2 |
| (6) |
DCNN模型编译:DCNN (tf.keras.Model) DCNN = DCNN (vocab_size、emb_dim nb_filters, FFN_units, nb_classes, |
|
dropout_rate) |
| (7) |
模型的训练数据 |
| (8) |
模型评估与测试数据 |
|
输出: |
|
精度:97.44% |
|
