软件漏洞报告分析对于深入认识软件安全漏洞及其发展趋势、预防安全事故、以及保证软件系统安全性都至关重要。软件漏洞报告分析与检测主要面临高质量数据集缺失和漏洞报告分析检测模型准确率不高等问题。本书从数据驱动的视角出发，充分利用大规模软件开源系统所蕴含的漏洞数据，通过文本挖掘、自然语言处理、主动学习、深度学习、迁移学习等方法，挖掘其所蕴含的重要信息和特征，探索面向大规模软件缺陷数据的安全漏洞报告智能化分析与检测方法。

第1章绪论
1.1研究背景和意义
1.1.1信息安全形式严峻
1.1.2软件安全漏洞是信息安全事件的根源
1.1.3隐藏漏洞报告是安全风险主要来源之一
1.1.4漏洞报告检测自动化面临主要挑战
1.2国内外研究现状
1.2.1软件安全漏洞报告检测方法
1.2.2数据集构建与标注
1.2.3基于神经网络的自然语言处理
1.3基础理论
1.4研究工作概述
1.4.1基于迭代投票机制的漏洞报告检测数据集自动构建方法
1.4.2基于深度学习的漏洞报告检测方法
1.4.3数据质量对漏洞报告检测模型有效性影响实证研究
1.4.4基于不确定性采样和交互式机器学习的漏洞报告检测方法
1.5本书组织结构
第2章基于迭代投票机制的漏洞报告检测数据集自动构建方法
2.1引言
……