利用神经架构搜索改进多模态深度学习模型中的软件缺陷检测
机器学习
2020-09-23 v1 人工智能
密码学与安全
机器学习
摘要
使用多模态深度学习模型的软件缺陷检测已在基准问题上被证明是一种极具竞争力的方法。本工作中，我们展示了结合神经架构搜索（NAS）与多模态学习模型可取得更优性能。我们调整了一个面向图像分类研究的 NAS 框架以适用于软件缺陷检测问题，并在 Juliet Test Suite（该问题域中衡量机器学习模型性能的流行基准数据集）上展示了改进结果。
关键词
引用
@article{arxiv.2009.10644,
title = {Using Neural Architecture Search for Improving Software Flaw Detection in Multimodal Deep Learning Models},
author = {Alexis Cooper and Xin Zhou and Scott Heidbrink and Daniel M. Dunlavy},
journal= {arXiv preprint arXiv:2009.10644},
year = {2020}
}
备注
10 pages, 5 figures, 4 tables