本发明公开了一种基于指令特征重要性的SDC脆弱性预测方法，包括：对复杂程序进行指令特征提取；对复杂程序进行随机注入故障，获取指令SDC脆弱性值；基于基尼系数衡量指令SDC脆弱性特征T对SDC脆弱性值的重要性程度，构建指令特征重要性评估系数；通过将指令特征重要性融合到LightGBM的每个子决策树的话语权中，生成新的话语权ω以提高指令SDC脆弱性的预测精度；基于改进的LightGBM算法，构建并训练基于指令特征重要性的SDC脆弱性预测模型；得到最终的SDC脆弱性预测模型对待预测程序的进行指令SDC脆弱性预测。本发明相比其他方法具有更高的脆弱性预测精度，并且能有效降低内存消耗和计算成本，同时能适用于标准数据类型和混合数据类型，且具有轻量级和高解释性等优点。