本申请涉及智能数据分析领域，且更为具体地，涉及一种对机动车检验检测设备软件信息智能筛选方法。
背景技术：
1、机动车检验检测设备是用于对机动车进行各项安全和性能检查的专业设备。这些设备通常包括硬件部分和软件部分，其中软件部分负责控制硬件的运行、数据采集、处理及报告生成等任务。
2、工位机控制软件是这类设备的核心组成部分之一，它直接关系到检测的准确性、可靠性和安全性。工位机控制软件负责协调检测流程、管理检测数据，并确保检测结果的准确性和可靠性。因此，该软件的安全性和稳定性至关重要,任何软件漏洞都可能导致检测结果错误，进而影响到机动车的安全评估，甚至引发法律纠纷。
3、然而，传统的静态代码分析工具在工位机控制软件安全性评估中主要关注代码的语法和结构，而不是代码的实际执行路径。这意味着，对于那些只有在特定运行时条件下才会显现的漏洞，如时间相关的竞争条件、内存泄露或复杂的输入处理逻辑，静态分析可能无法提供足够的洞察。此外，静态分析工具通常难以理解和评估复杂的业务逻辑，这可能导致它们错过那些隐藏在深层条件语句和程序流中的逻辑错误。例如，一个复杂的条件分支可能在特定条件下导致未授权访问或数据泄露，但这些条件可能在静态分析时无法被充分探索。
4、因此，期望一种优化的对机动车检验检测设备软件信息筛选方法。
技术实现思路
1、本申请针对现有技术中的缺点，提供了一种对机动车检验检测设备软件信息智能筛选方法。
2、根据本申请的一个方面，提供了一种对机动车检验检测设备软件信息智能筛选方法，其包括：
3、确定机动车检验检测设备软件的目录位置和文件位置；
4、基于所述目录位置和所述文件位置，提取工位机控制exe软件包；
5、从所述工位机控制exe软件包提取关键信息，所述关键信息包括版本号、编译日期、数字签名和配置文件；
6、对所述工位机控制exe软件包进行漏洞检测以得到安全漏洞检测结果；
7、其中，对所述工位机控制exe软件包进行漏洞检测以得到安全漏洞检测结果，包括：
8、提取所述工位机控制exe软件包中的源代码以得到工位机控制软件源代码；
9、对所述工位机控制软件源代码进行分句处理以得到工位机控制软件源代码描述句的序列；
10、对所述工位机控制软件源代码描述句的序列中的各个工位机控制软件源代码描述句进行语义编码以得到工位机控制软件源代码句粒度语义编码特征向量的序列；
11、对所述工位机控制软件源代码句粒度语义编码特征向量的序列进行基于序列内生相关性量化的特征关联优化处理以得到工位机控制软件源代码句粒度语义优化编码特征向量的序列；
12、将所述工位机控制软件源代码句粒度语义优化编码特征向量的序列输入代码句粒度全局语义关联编码器以得到工位机控制软件源代码全局语义编码特征向量；
13、基于所述工位机控制软件源代码全局语义编码特征向量，得到所述安全漏洞检测结果。
14、本申请由于采用了以上的技术方案，具有显著的技术效果：
15、本申请提供的对机动车检验检测设备软件信息智能筛选方法，其通过提取所述工位机控制exe软件包中的源代码以得到工位机控制软件源代码，并采用基于深度学习的源代码处理和分析技术来进行所述工位机控制软件源代码的分句处理、语义编码和优化，以此根据各个优化后的源代码语义特征在全局上的关联信息来自动地得到安全漏洞检测结果。这样，可以更准确地识别源代码中的潜在漏洞，包括那些在特定运行时条件下才会显现的问题。同时能够理解和分析复杂的业务逻辑，从而发现隐藏在深层条件语句和程序流中的逻辑错误，以此提高了软件漏洞检测的智能化程度。
1.一种对机动车检验检测设备软件信息智能筛选方法，其特征在于，包括:
2.根据权利要求1所述的对机动车检验检测设备软件信息智能筛选方法，其特征在于，对所述工位机控制软件源代码句粒度语义编码特征向量的序列进行基于序列内生相关性量化的特征关联优化处理以得到工位机控制软件源代码句粒度语义优化编码特征向量的序列，包括：将所述工位机控制软件源代码句粒度语义编码特征向量的序列输入基于序列内生相关性量化的特征上下文语义关联优化模块以得到所述工位机控制软件源代码句粒度语义优化编码特征向量的序列。
3.根据权利要求2所述的对机动车检验检测设备软件信息智能筛选方法，其特征在于，将所述工位机控制软件源代码句粒度语义编码特征向量的序列输入基于序列内生相关性量化的特征上下文语义关联优化模块以得到所述工位机控制软件源代码句粒度语义优化编码特征向量的序列，包括：
4.根据权利要求3所述的对机动车检验检测设备软件信息智能筛选方法，其特征在于，计算所述工位机控制软件源代码句粒度语义编码特征向量的序列中任意两个工位机控制软件源代码句粒度语义编码特征向量之间的语义关联得分向量以得到工位机控制软件源代码句粒度语义关联得分向量的集合，包括：
5.根据权利要求4所述的对机动车检验检测设备软件信息智能筛选方法，其特征在于，基于所述工位机控制软件源代码句粒度语义关联得分向量的集合，确定工位机控制软件源代码句粒度序列内生相关性全局表示向量，包括：计算所述工位机控制软件源代码句粒度语义关联得分向量的集合的均值向量作为所述工位机控制软件源代码句粒度序列内生相关性全局表示向量。
6.根据权利要求5所述的对机动车检验检测设备软件信息智能筛选方法，其特征在于，基于所述工位机控制软件源代码句粒度序列内生相关性全局表示向量，计算所述工位机控制软件源代码句粒度语义编码特征向量的序列中的各个工位机控制软件源代码句粒度语义编码特征向量的关联优化因子以得到工位机控制软件源代码句粒度语义关联优化因子的序列，包括：
7.根据权利要求6所述的对机动车检验检测设备软件信息智能筛选方法，其特征在于，对所述工位机控制软件源代码句粒度语义关联优化因子的序列进行激活处理以得到工位机控制软件源代码句粒度语义关联优化权重因子的序列，包括：将所述工位机控制软件源代码句粒度语义关联优化因子的序列输入softmax激活函数以得到所述工位机控制软件源代码句粒度语义关联优化权重因子的序列。
8.根据权利要求7所述的对机动车检验检测设备软件信息智能筛选方法，其特征在于，将所述工位机控制软件源代码句粒度语义优化编码特征向量的序列输入代码句粒度全局语义关联编码器以得到工位机控制软件源代码全局语义编码特征向量，包括：将所述工位机控制软件源代码句粒度语义优化编码特征向量的序列输入基于转换器结构的代码句粒度全局语义关联编码器以得到所述工位机控制软件源代码全局语义编码特征向量。
9.根据权利要求8所述的对机动车检验检测设备软件信息智能筛选方法，其特征在于，基于所述工位机控制软件源代码全局语义编码特征向量，得到所述安全漏洞检测结果，包括：将所述工位机控制软件源代码全局语义编码特征向量输入基于分类器的漏洞检测模块以得到所述安全漏洞检测结果。
