基于GAN数据增强的软件缺陷预测聚合模型.pdf
文本预览下载声明
摘要
随着机器学习算法的广泛应用,在网络空间安全领域,与软件安全密切相关的软
件缺陷预测(SDP,softwaredefectprediction)已经成为研究者日益关注的热点。在
SDP任务中,研究者通常在软件缺陷数据集上,使用机器学习分类算法来构建SDP
模型。然而,大多数数据集中缺陷数据(正例样本)较少,数据集的类不平衡问题较
为严重,从而导致学习到的SDP模型的预测性能较低且稳定性较差。为此,一些学
者使用随机上采样(ROS,RandomOver-sampling),随机下
显示全部