软件漏洞分析是网络空间安全的重要研究内容。现有软件漏洞分析方法存在效率不高,准确性差,通用性不强的缺陷。同时,真实程序执行流程长、调用关系复杂、条件分支多,使用当前方法进行漏洞分析面临更多困难。因此,研究一种新的软件漏洞分析方法,实现对大型软件漏洞进行高效分析,对于修复软件漏洞以及维护网络空间安全具有重要意义。论文围绕基于深度神经网络的软件漏洞分析技术展开研究。首先,本文提出了基于神经网络的漏洞分析框架,并研究了框架中的关键方法。其次,针对程序源代码漏洞,本文利用深度神经网络技术提出了一种基于程序操作语义特征的源代码漏洞检测方法。然后,针对二进制软件漏洞分析的困难性,本文提出了基于程序执行迹的二进制软件漏洞成因分析方法。本文主要工作和创新点如下:（1）提出了基于深度神经网络的软件漏洞分析框架。论文针对现有漏洞分析方法的局限性,提出了利用神经网络进行软件漏洞分析的框架。首先针对软件漏洞分析相关概念进行论述;其次针对当前方法的局限性以及神经网络方法的优势,提出了基于神经网络的漏洞分析框架;最后针对框架中的关键方法进行研究,提出面向程序特征的输入建模方法、神经网络模型构建方法以及神经网络可解释性分析方法。（2）提出了基于操作语义的源代码漏洞检测方法。论文针对当前源代码漏洞分析方法漏报率高的缺陷,结合深度神经网络提出一种基于操作语义的源代码漏洞检测方法。首先分析函数名称作为操作语义来表示漏洞的可行性,并从漏洞库和开源程序中提取大量函数名称作为数据集;其次利用双向长短时记忆网络构建分类器,实现对于漏洞函数名称以及无漏洞函数名称的分类;最后设计实验来对分类效果进行评估,通过在真实软件FFmpeg和Lib TIFF上进行实验,该方法可以对源代码中漏洞函数进行检测分析,并且不受漏洞类型和编程语言的限制。（3）提出了基于程序执行迹的二进制软件漏洞成因分析方法。论文针对二进制软件漏洞分析的困难,结合深度神经网络提出一种基于程序执行迹的二进制软件漏洞成因分析方法。首先基于模糊测试技术改进测试用例生成算法,并结合动态二进制插桩技术生成程序执行迹;其次以大量程序执行迹为输入,利用卷积神经网络进行学习,通过研究神经网络可解释性来分析执行迹中基本块与程序崩溃的关系,进一步提出从崩溃执行迹中识别漏洞基本块位置的方法;最后通过在多类数据集以及真实目标软件上的实验,证明了该方法的有效性。