【摘要】本研究深入探讨了一种基于循环神经网络（ｒｅｃｕｒｒｅｎｔ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ，ＲＮＮ）的程序代码缺陷检测方法，并将其应用于公共漏洞和暴露（ｃｏｍｍｏｎ ｖｕｌｎｅｒａｂｉｌｉｔｉｅｓ ａｎｄ ｅｘｐｏｓｕｒｅｓ，ＣＶＥ）数据集。 首先，设计一个完整的程序代码缺陷检测框架。 其次，通过引入Ｌ２正则化对基于ＲＮＮ的模型进行优化，以提高模型的泛化能力和抗过拟合能力。 最后，采用ＣＶＥ数据集对所提出的方法进行测试，并与传统 ＲＮＮ 方法进行对比。 结果表明，该方法在准确率、精确率、召回率和Ｆ１值等评价指标上均优于传统ＲＮＮ方法，具有更好的性能和效果。