1 |
1
프로그램 코드의 실행에 따른 메모리 정보의 전처리를 수행하는 메모리 정보 전처리부;상기 프로그램 코드의 연산 정보를 추출하고 상기 연산 정보에 대한 벡터화를 수행하여 제어 특성을 획득하는 제어 정보 전처리부;상기 프로그램 코드 내에서 할당이 수행되는 위치에 대한 정보를 기반으로 관계 그래프를 획득하는 관계 정보 전처리부; 및상기 메모리 정보의 전처리 수행 결과와, 상기 제어 특성과, 상기 관계 그래프를 기반으로 학습을 수행하여 상기 프로그램 코드에 대응하는 적어도 하나의 임베딩 벡터를 획득하는 결합 데이터 처리부;를 포함하는 프로그램 코드 처리 장치
|
2 |
2
제1항에 있어서,상기 결합 데이터 처리부는, 그래프 어텐션 네트워크(GATs Network: Graph Attention Networks), 그래프 오토 인코더(Graph Auto Encoder), 그래프 트리 콘볼루션 네트워크(GTC Network: Graph Tree Convolutional Neural Network), 그래프 트리 어텐션 네트워크(GTA Network: Graph Tree Attention Network), 그래프 트리 오토 인코더(GTAEs Network: Graph Tree Auto Encoders), 그래프 트리 리커시브 네트워크(GTR Network: Graph Tree Recursive Neural Network), 그래프 트리 리커시브 어텐션 네트워크(GTRAs Network: Graph Tree Recursive Attention Networks) 및 그래프 트리 리커시브 오토 인코더(GTRAEs : Graph Tree Recursive Auto Encoder) 중 적어도 하나의 학습 모델을 이용하여 상기 메모리 정보의 전처리 수행 결과와, 상기 제어 특성과, 상기 관계 그래프를 기반으로 학습을 수행함으로써 상기 프로그램 코드에 대응하는 적어도 하나의 임베딩 벡터를 획득하는 프로그램 코드 처리 장치
|
3 |
3
제1항에 있어서,상기 메모리 정보 전처리부는, 상기 프로그램 코드의 변수에 대한 상태를 각각의 타입에 따라 획득하고, 이상 값 처리 및 노이즈 제거 중 적어도 하나를 수행하여 상기 메모리 특성을 획득하는 프로그램 코드 처리 장치
|
4 |
4
제1항에 있어서,상기 제어 정보 전처리부는, 벡터화된 연산 정보에 대한 학습 처리를 수행하여 상기 제어 특성을 획득하는 프로그램 코드 처리 장치
|
5 |
5
제1항에 있어서,상기 관계 그래프는, 상기 프로그램 코드의 라인 중 할당 연산이 발생하는 할당 라인에서 구문을 파싱하고 파싱 결과를 기반으로 생성된 프로그램 코드 처리 장치
|
6 |
6
제1항에 있어서,상기 관계 그래프는, 적어도 하나의 그래프 트리 노드를 갖는 그래프 트리를 포함하는 프로그램 코드 처리 장치
|
7 |
7
제1항에 있어서,상기 적어도 하나의 임베딩 벡터를 기반으로 학습을 수행하는 학습 처리부;를 더 포함하는 프로그램 코드 처리 장치
|
8 |
8
제7항에 있어서,상기 학습 처리부는 상기 적어도 하나의 임베딩 벡터를 기반으로 지도 학습, 비지도 학습 및 준지도 학습 중 적어도 하나를 수행하는 프로그램 코드 처리 장치
|
9 |
9
프로그램 코드의 실행에 따른 메모리 정보의 전처리를 수행하는 단계;상기 프로그램 코드의 연산 정보를 추출하고 연산 정보에 대한 벡터화를 수행하여 제어 특성을 획득하는 단계;상기 프로그램 코드 내에서 할당이 수행되는 위치에 대한 정보를 기반으로 관계 그래프를 획득하는 단계; 및상기 메모리 정보에 대한 전처리 수행 결과, 상기 제어 특성 및 상기 관계 그래프를 기반으로 학습을 수행하여 상기 프로그램 코드에 대응하는 적어도 하나의 임베딩 벡터를 획득하는 단계;를 포함하는 프로그램 코드 처리 방법
|
10 |
10
제9항에 있어서,상기 메모리 정보에 대한 전처리 수행 결과, 상기 제어 특성 및 상기 관계 그래프를 조합하여 학습을 수행하여 상기 프로그램 코드에 대응하는 적어도 하나의 임베딩 벡터를 획득하는 단계는,그래프 어텐션 네트워크, 그래프 오토 인코더, 그래프 트리 콘볼루션 네트워크, 그래프 트리 어텐션 네트워크, 그래프 트리 오토 인코더, 그래프 트리 리커시브 네트워크, 그래프 트리 리커시브 어텐션 네트워크 및 그래프 트리 리커시브 오토 인코더 중 적어도 하나의 학습 모델을 이용하여 상기 메모리 특성, 상기 제어 특성 및 상기 관계 그래프를 이용하여 상기 메모리 정보에 대한 전처리 수행 결과, 상기 제어 특성 및 상기 관계 그래프에 대한 학습을 수행함으로써 상기 프로그램 코드에 대응하는 적어도 하나의 임베딩 벡터를 획득하는 단계;를 포함하는 프로그램 코드 처리 방법
|
11 |
11
제9항에 있어서,상기 프로그램 코드의 동작에 따른 메모리 정보의 전처리를 수행하는 단계는,상기 프로그램 코드의 변수에 대한 상태를 각각의 타입에 따라 획득하는 단계; 및상기 상태 정보에 대한 이상 값 처리 및 노이즈 제거 중 적어도 하나를 수행하여 상기 메모리 특성을 획득하는 단계;를 포함하는 프로그램 코드 처리 방법
|
12 |
12
제9항에 있어서,상기 프로그램 코드의 연산 정보를 추출하고 연산 정보에 대한 벡터화를 수행하여 제어 특성을 획득하는 단계는,벡터화된 연산 정보에 대한 학습 처리를 수행하여 상기 제어 특성을 획득하는 단계;를 포함하는 프로그램 코드 처리 방법
|
13 |
13
제9항에 있어서,상기 관계 그래프는, 상기 프로그램 코드의 라인 중 할당 연산이 발생하는 할당 라인에서 구문을 파싱하고 파싱 결과를 기반으로 생성된 것인 프로그램 코드 처리 방법
|
14 |
14
제9항에 있어서,상기 관계 그래프는, 적어도 하나의 그래프 트리 노드를 갖는 그래프 트리를 포함하는 프로그램 코드 처리 방법
|
15 |
15
제9항에 있어서,상기 적어도 하나의 임베딩 벡터를 기반으로 학습을 수행하는 단계;를 더 포함하는 프로그램 코드 처리 방법
|
16 |
16
제15항에 있어서,상기 적어도 하나의 임베딩 벡터를 기반으로 수행되는 학습은, 지도 학습, 비지도 학습 및 준지도 학습 중 적어도 하나를 포함하는 프로그램 코드 처리 방법
|