1.一种基于LGF-Net的代码混淆有效性评估方法，其特征在于，包括：S1：对于数据集中的每一个程序，首先获取该程序的源代码对应的已混淆代码和反混淆代码；然后从源代码、已混淆代码和反混淆代码中提取特征，得到第一特征集合F；接着为F赋予一个混淆效果等级y，并将F与其对应的y表示为一个序偶；最后把所有的序偶构成一个代码混淆有效性评估数据集，称为第一数据集D，并将D划分为训练集和测试集；

S2：构建代码混淆有效性评估模型LGF-Net；LGF-Net通过局部特征模块LFTM进行特征选择和处理，通过全局特征模块GFTM进行特征融合；具体步骤包括：S21：对于第一特征集合F，使用批量归一化操作BN对F进行归一化处理，得到第二特征集合S22：将

S23：将

S24：使用全连接层FC对

S3：训练S2中构建好的代码混淆有效性评估模型LGF-Net：分别使用训练集和测试集对LGF-Net进行训练和测试，得到训练好的LGF-Net；

S4：首先使用待评估的代码混淆算法混淆程序中的源代码，得到对应的已混淆代码；然后使用反混淆工具对该已混淆代码进行反混淆，得到对应的反混淆代码；接着根据S1中提取特征的做法，从源代码、已混淆代码和反混淆代码中提取特征，得到对应的F；最后将F输入到S3中训练好的LGF-Net中，得到待评估的代码混淆算法的混淆效果等级。

2.根据权利要求1所述的基于LGF-Net的代码混淆有效性评估方法，其特征在于，所述的将S221：使用特征处理模块FT对第二特征集合

S222：通过第一决策步进行特征选择和处理：首先，将S221中所述的S223：通过第二决策步进行特征选择和处理：首先，将

S224：通过第三决策步进行特征选择和处理：首先，将

3.根据权利要求1所述的基于LGF-Net的代码混淆有效性评估方法，其特征在于，所述的将S231：使用第一残差连接块Resblock

S232：使用第二残差连接块Resblock

S233：使用第三残差连接块Resblock

4.根据权利要求2所述的基于LGF-Net的代码混淆有效性评估方法，其特征在于，所述的在上式中，

5.根据权利要求2所述的基于LGF-Net的代码混淆有效性评估方法，其特征在于，所述的其中，掩码MASK的计算公式如下：

在上式中，

其中，先决选择

在上式中，

6.根据权利要求3 所述的基于LGF-Net的代码混淆有效性评估方法，其特征在于，所述的在上式中，

7.一种基于LGF-Net的代码混淆有效性评估系统，用于运行权利要求1-6任一所述的基于LGF-Net的代码混淆有效性评估方法，其特征在于，包括数据预处理模块、代码混淆有效性评估模型构建模块、代码混淆有效性评估模型训练模块、代码混淆有效性评估模块：所述数据预处理模块：对于数据集中的每一个程序，首先获取该程序的源代码对应的已混淆代码和反混淆代码；然后从源代码、已混淆代码和反混淆代码中提取特征，得到第一特征集合；接着为第一特征集合赋予一个混淆效果等级，并将第一特征集合与其混淆效果等级表示为一个序偶；最后把所有的序偶构成一个代码混淆有效性评估数据集，称为第一数据集，并将第一数据集划分为训练集和测试集；

所述代码混淆有效性评估模型构建模块：构建代码混淆有效性评估模型LGF-Net：LGF-Net通过局部特征模块进行特征选择和处理，通过全局特征模块进行特征融合；

所述代码混淆有效性评估模型训练模块：分别使用训练集和测试集对LGF-Net进行训练和测试，得到训练好的LGF-Net；

所述代码混淆有效性评估模块：首先使用待评估的代码混淆算法混淆程序中的源代码，得到对应的已混淆代码；然后使用反混淆工具对该已混淆代码进行反混淆，得到对应的反混淆代码；接着根据所述数据预处理模块中提取特征的做法，从源代码、已混淆代码和反混淆代码中提取特征，得到对应的第一特征集合；最后将第一特征集合输入到训练好的LGF-Net中，得到待评估的代码混淆算法的混淆效果等级。

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-6任一所述的基于LGF-Net的代码混淆有效性评估方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-6任一所述的基于LGF-Net的代码混淆有效性评估方法的步骤。