创新点

一.静态分析

​ 在这一层面传统的方法都是通过抽象语法树，数据依赖图，控制流图等信息进行三者融合，所以没有创新点可言。想要做出创新只能从数据类型的表示和模型融合之中下手。所以这一层只能另辟蹊径：

• 模型融合：提出新的模型融合方法，将动态和静态分析的结果以更有效的方式整合到一个统一的模型中，以提高漏洞检测的准确性和全面性。
• 算法创新： 设计新的算法或改进现有算法，以更有效地结合动态和静态分析，或者提高门控图神经网络的性能和准确性。
• 特征提取：设计新的特征提取方法，能够更好地捕捉动态和静态分析中的关键特征，从而提高门控图神经网络对代码漏洞的检测性能
• 新型半监督方式： 开发新的半监督学习策略，利用有标签和无标签数据进行更有效的模型训练，提高漏洞检测模型的泛化能力和鲁棒性。
• 迁移学习性：着重考虑门控图神经网络模型在不同编程语言、不同平台和不同应用场景下的适用性，提供更广泛的支持和应用价值。