-
公开(公告)号：CN113672508B
公开(公告)日：2023-09-22
申请号：CN202110944362.6
申请日：2021-08-17
Applicant: 大连海事大学
IPC: G06F11/36
Abstract: 本发明公开了一种基于风险策略和多样性策略的Simulink测试方法，具体步骤包括：收集测试用例；对生成的测试用例进行处理：统计每个测试用例中出现的Simulink模块名以及出现的次数；对关键词向量进行建模：将所有测试用例中出现的Simulink模块名构成一个关键词词典，并记录每个关键词出现的次数，将出现次数低于设定阈值的关键词删除；构建关键词矩阵KV、风险向量RV以及距离矩阵DM；使用基于风险向量RV的风险策略Dan、基于距离矩阵DM的多样性策略Var、以及结合了上述两种策略的多样性风险混合策略VarDan对Simulink测试用例进行优先化排序。
-
公开(公告)号：CN113378178A
公开(公告)日：2021-09-10
申请号：CN202110687688.5
申请日：2021-06-21
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于深度学习的图自信学习软件漏洞检测方法，包括：对源代码进行构图：将唯一的单词表示为顶点，将单词之间的协同表示为边来构造代码的图，获取每个图的连接的边的初始特征以及每个节点的初始特征值；构建深度置信网络模型，将转化为图结构的数据集输入至该模型中，找出数据集中是噪音的样本，把噪音样本从数据集中删除；使用门控图神经网络聚集和传递代码图中相邻代码节点的信息，学习代码节点的特征并进行图级预测从而对软件代码漏洞进行检测。该方法通过深度学习的图自信学习软件漏洞检测方法来训练识别软件漏洞模型，在检测软件漏洞方面取得了良好的效果，提高了在软件性能问题。
-
Patent Agency Ranking
公开(公告)号：CN113378178B
公开(公告)日：2023-08-22
申请号：CN202110687688.5
申请日：2021-06-21
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于深度学习的图自信学习软件漏洞检测方法，包括：对源代码进行构图：将唯一的单词表示为顶点，将单词之间的协同表示为边来构造代码的图，获取每个图的连接的边的初始特征以及每个节点的初始特征值；构建深度置信网络模型，将转化为图结构的数据集输入至该模型中，找出数据集中是噪音的样本，把噪音样本从数据集中删除；使用门控图神经网络聚集和传递代码图中相邻代码节点的信息，学习代码节点的特征并进行图级预测从而对软件代码漏洞进行检测。该方法通过深度学习的图自信学习软件漏洞检测方法来训练识别软件漏洞模型，在检测软件漏洞方面取得了良好的效果，提高了在软件性能问题。
-
公开(公告)号：CN115437921A
公开(公告)日：2022-12-06
申请号：CN202210963150.7
申请日：2022-08-11
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于预测覆盖率的软件测试加速方法，包括：收集测试用例并提取测试用例的特征信息；统计每个插桩点是否被执行从而获得测试用例覆盖的模块的代码信息，得出对Simulink每个模块的覆盖率，将测试用例对Simulink每个模块的覆盖率作为一组值并规定为标签；建立预测模型，对新测试用例的覆盖率进行预测；基于覆盖率信息对测试用例进行聚类处理；将bug概率预测模型分为bug预测模型和执行时间预测模型，其中bug预测模型预测输入测试用例触发bug的概率，执行时间预测模型预测输入测试用例的执行时间，将概率除去执行时间作为模型的输出结果；对测试用例进行排序。
-
公开(公告)号：CN113672508A
公开(公告)日：2021-11-19
申请号：CN202110944362.6
申请日：2021-08-17
Applicant: 大连海事大学
IPC: G06F11/36
Abstract: 本发明公开了一种基于风险策略和多样性策略的Simulink测试方法，具体步骤包括：收集测试用例；对生成的测试用例进行处理：统计每个测试用例中出现的Simulink模块名以及出现的次数；对关键词向量进行建模：将所有测试用例中出现的Simulink模块名构成一个关键词词典，并记录每个关键词出现的次数，将出现次数低于设定阈值的关键词删除；构建关键词矩阵KV、风险向量RV以及距离矩阵DM；使用基于风险向量RV的风险策略Dan、基于距离矩阵DM的多样性策略Var、以及结合了上述两种策略的多样性风险混合策略VarDan对Simulink测试用例进行优先化排序。
-
公开(公告)号：CN113378176B
公开(公告)日：2023-06-23
申请号：CN202110652749.4
申请日：2021-06-11
Applicant: 大连海事大学
IPC: G06F21/57
Abstract: 本发明公开了一种基于图神经网络检测带有权重偏差的软件漏洞识别方法，包括：将源代码中的单词和符号视为一个节点，将源代码采用构成图表示，获得每个节点的初始特征值和每个图的连接的边的初始特征；将产生的构成图作为输入，最终将获得重置门输出的信息和更新门输出的信息、以及自身节点的信息三者进行合并，再通过Sigmoid激活函数输出节点激活值，作为最终时刻的节点状态；当单词节点被充分更新后所述单词被聚合到函数代码的图形级表示、并基于该表示生成最终漏洞识别结果；使用–Dice系数将有缺陷的软件漏洞损失值最小化，从而识别软件漏洞。
-
公开(公告)号：CN113378176A
公开(公告)日：2021-09-10
申请号：CN202110652749.4
申请日：2021-06-11
Applicant: 大连海事大学
IPC: G06F21/57
Abstract: 本发明公开了一种基于图神经网络检测带有权重偏差的软件漏洞识别方法，包括：将源代码中的单词和符号视为一个节点，将源代码采用构成图表示，获得每个节点的初始特征值和每个图的连接的边的初始特征；将产生的构成图作为输入，最终将获得重置门输出的信息和更新门输出的信息、以及自身节点的信息三者进行合并，再通过Sigmoid激活函数输出节点激活值，作为最终时刻的节点状态；当单词节点被充分更新后所述单词被聚合到函数代码的图形级表示、并基于该表示生成最终漏洞识别结果；使用–Dice系数将有缺陷的软件漏洞损失值最小化，从而识别软件漏洞。
-
-
-
-
-
-
Search Results
7
records
(took 0.015 seconds)
