在数据产生功能模块，咱们将补丁下载资料与代码仓库配对，获得变量级、资料级的粗粒度漏洞样例。因为程序代码漏洞数据全是线形文字方式的，没法反映源代码程序流程的操纵依靠数据及其结构分析数据，缺乏程序流程词义和漏洞特点中间的关联，无法更进一步分析获得精确的句法结构数据，因此 必须 具备大批量的词义数据的中间语言方式的漏洞数据，以保证更全方位、更真接源代码反映，提升 网站漏洞扫描实体模型的监测水平及其精确度。本功能模块建立了主流的软件每个版本号的程序运行环境，找寻程序运行漏洞资料必须 的库函数和元件库等依靠，应用编译器产生中间语言方式的漏洞样例。

现阶段现已对十九款开源系统开展了数据收集与解决，获得合理的粗粒度漏洞样例库。补丁下载库遮盖4643个CVE，包括8685个补丁下载资料。漏洞样例源有6847个漏洞资料样例，6573个无漏洞资料样例，漏洞变量/无漏洞变量程序流程样例10412个。统计分析结论如表1所显示。

表1数据统计分析

选用根据深度神经网络的网站漏洞扫描架构SySeVR（http://github..info/SySeVR/SySeVR）最有效的实体模型BGRU开展练习。试验一个是选用原始记录集是真正漏洞数据NME上的监测的结论。原始记录集是来源于SARD的13000个程序流程和来源于NME的1591个程序流程，当中来源于SADR的有13906个漏洞程序流程（含漏洞变量和修复后变量），98个无漏洞程序流程，来源于NME的有843个漏洞程序流程，717个无漏洞程序流程。试验二选用新的数据，沿用原始记录聚集来源于SARD的数据，NME数据的一些更换为这篇文章建立的6847漏洞程序流程和6573个无漏洞程序流程，在真正软件漏洞数据NME上开展检测。检测结论如表2所显示。

表2网站漏洞扫描试验结论对比

能够 看得出，用系统建立的数据练习出来的实体模型在真正数据网站漏洞扫描上反映更强。反映在少报率和漏报率有一定的减少，准确度、精确率、均方误差逐步提高，这是由于实体模型练习中添加了大批量的真正软件漏洞数据，保证了充足了漏洞样例，便于实体模型对漏洞特点开展更为全方位的学习培训。