本发明涉及一种基于代码片段分析的混合深度缺陷预测方法，属于计算机软件缺陷预测技术领域。本方法，首先基于缺陷库关键点的程序切片方法，将包含缺陷的开源软件代码单元集向量化，将特征表示成深度学习模型能够处理的向量形式。然后，基于混合深度学习的缺陷预测方法，提高混合深度模型的分类、预测能力，训练得到缺陷预测分类器。最后，基于训练好的缺陷预测分类器，对开源软件进行缺陷预测，将目标代码片段分类输出。本方法以预先设计的缺陷库关键点为程序切片的切入点，从开源代码中提取包含缺陷特征的代码片段并向量化表示，基于多种深度学习方法获取混合模型，能够有效提升模型的数据处理能力和自动学习能力。