一种针对代码模型用于提升对抗鲁棒性的对抗样本生成方法

本发明属于深度学习领域，公开了一种针对代码模型用于提升对抗鲁棒性的对抗样本生成方法，包括：S1，获取经过安全修复的代码片段，将代码片段转换为抽象语法树，从抽象语法树中获取节点和边，构建图结构；S2，使用改进的GNN模型分别为每个叶节点打分，将得分最高的前K个叶节点作为高影响节点，分别获取每个高影响节点对应的n个替换候选节点，最终得到nK个对抗样本；S3，将生成的对抗样本输入到评分模型，若对抗样本能成功攻击评分模型，则对改进的GNN模型进行奖励，否则对评分模型进行奖励。本发明避免了对梯度信息的依赖，大大增强了对抗样本生成方法的适用范围，能够在更多现实场景下发挥作用，形成端到端对抗训练闭环。