【摘要】本文研究了基于深度学习的软件漏洞挖掘方法，提出了基于卷积神经网络（ ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ， ＣＮＮ）和全局平均池化（ｇｌｏｂａｌ ａｖｅｒａｇｅ ｐｏｏｌｉｎｇ，ＧＡＰ）的漏洞检测技术。 首先，设计了一个基于深度学习的软件漏洞检测框架，该框架包括源代码预处理模块和漏洞检测模块两部分。 然后，采用通用漏洞披露（ ｃｏｍｍｏｎ ｖｕｌｎｅｒａｂｉｌｉｔｉｅｓ ａｎｄ ｅｘｐｏｓｕｒｅｓ，ＣＶＥ）数据集对该方法进行了评估。最后，利用 Ｐｙｔｈｏｎ 和 ＴｅｎｓｏｒＦｌｏｗ 进行了实验验证。 实验结果显示，该方法在软件漏洞检测方面取得了良好的效果，具有较高的准确率和召回率，验证了其在软件安全领域的可行性和有效性。