-
公开(公告)号:CN119785155A
公开(公告)日:2025-04-08
申请号:CN202510058392.5
申请日:2025-01-15
Applicant: 北京轩宇信息技术有限公司
IPC: G06V10/776 , G06V10/82 , G06V10/26 , G06V10/764 , G06V20/70 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08 , G06N5/04 , G06N5/045
Abstract: 本发明公开了基于贝叶斯分割网络的深度学习不确定性度量系统,涉及智能软件测试技术领域,步骤一,数据输入模块:输入待测深度学习模型、测试数据集:(1)待测深度学习模型,类型:深度学习模型,针对图像分割任务设计的模型;功能:该模型经过训练,接收图像输入并输出对应的分割结果,分割结果是一个与输入图像尺寸相同的矩阵,其中每个元素代表输入图像中对应位置像素的类别标签;格式:以深度学习框架中的模型对象形式存在,并包含所有的权重和参数。该基于贝叶斯分割网络的深度学习不确定性度量系统,通过卷积编码器‑解码器的形式,对智能模型不确定性进行建模,通过计算softmax样本的方差,得出每个类别预测输出的不确定性。
-
公开(公告)号:CN112288079B
公开(公告)日:2024-05-14
申请号:CN202011286945.6
申请日:2020-11-17
Applicant: 北京轩宇信息技术有限公司
Abstract: 本发明公开了一种图神经网络模型训练方法、软件缺陷检测方法及系统。包括:根据软件缺陷数据集,获取训练软件函数及测试软件函数,训练软件函数和测试软件函数预先标注有初始缺陷数据;根据训练软件函数的多维代码属性,构建初始多维代码属性图,根据测试软件函数的多维代码属性,构建目标多维代码属性图;基于初始多维代码属性图对初始图神经网络模型进行训练,得到训练后的图神经网络模型;基于目标多维代码属性图对训练后的图神经网络模型进行测试,获取预测缺陷数据;在初始缺陷数据和预测缺陷数据匹配时,将训练后的图神经网络模型作为目标图神经网络模型。本发明可以提高软件缺陷检测精度,减少了人工干预的过程,易于扩展检测的缺陷类型。
-
公开(公告)号:CN115033472B
公开(公告)日:2024-03-22
申请号:CN202210402661.1
申请日:2022-04-18
Applicant: 大连理工大学 , 北京轩宇信息技术有限公司
Abstract: 本发明公开了一种基于线程循环调度顺序化的中断驱动程序模型检测方法,属于软件模型检测领域。首先收集输入的中断驱动程序的中断相关信息,如软件中包含的中断类型、数量、优先级等。初步的源到源的转化处理将中断驱动程序转化为标准多线程程序,然后使用关键步骤线程循环调度顺序化处理实现对随机中断、周期中断和事件触发中断的顺序化。最后,选择检测性质,将顺序化程序输入给限界模型检测工具,得到检测结果。该方法的程序顺序化过程实现对三种类型中断的顺序化处理,并支持中断的多级嵌套、中断去能使能的自动分析。该方法可用于真实的航天嵌入式软件的缺陷检测,如数组越界、除零错等,具有较强的实用性。
-
公开(公告)号:CN116450500A
公开(公告)日:2023-07-18
申请号:CN202310294715.1
申请日:2023-03-24
Applicant: 北京轩宇信息技术有限公司
IPC: G06F11/36
Abstract: 本发明公开了一种针对中断驱动型嵌入式软件的共享数据分析方法,包括以下步骤:步骤一,前期处理;步骤二,并发流入口分析;步骤三,访问模型建立;步骤四,指针分析;步骤五,数值分析;步骤六,识别共享数据;步骤七,共享数据标记;本发明通过一个通用的共享数据访问模型刻画各种粒度共享数据访问情况,在此基础上采用基于抽象解释的数值分析获得表示共享数据访问所需的数值不变式,以精确检测程序中的共享数据,达到千行级程序低误报无漏报的效果,且可扩展到万行程序,有利于为中断数据访问冲突的检测工作提供精确的数据集,降低了现有共享数据分析方法的误报和漏报,提升共享数据分析的精确性和完备性。
-
公开(公告)号:CN114924852B
公开(公告)日:2024-09-06
申请号:CN202210536587.2
申请日:2022-05-17
Applicant: 大连理工大学 , 北京轩宇信息技术有限公司
Abstract: 本发明公开了一种基于单变量访问序模式的中断数据竞争模型检测方法,属于软件模型检测领域。首先选择待检测模式并输入待检测变量的名称和类型,然后对中断程序进行顺序化处理,根据选择的模式在待检测变量的读写语句前后添加赋值语句和断言,再将其输入给有界模型检测工具CBMC,最终根据返回结果得到待检测变量是否存在该种模式的数据竞争。此方法可以检测中断程序中存在的特定单变量访问序模式,同时对反例路径进行可视化。
-
公开(公告)号:CN112631925B
公开(公告)日:2024-06-25
申请号:CN202011591752.1
申请日:2020-12-29
Applicant: 北京轩宇信息技术有限公司
IPC: G06F11/36
Abstract: 本申请公开了一种单变量原子违背缺陷的检测方法,该方法包括:将预设中断驱动型软件的源代码转换为中间表示形式LLVM IR,根据中间表示形式构建程序依赖图;根据程序依赖图以及预设IFDS框架构建得到爆炸超图,根据爆炸超图对主程序数据流分析确定每个全局变量串行可达的两次访问序,并对两次访问序的可行性进行分析得到第一分析结果;根据第一分析结果确定出至少一个共享全局变量,以及确定出每个共享全局变量对应的三次访问序,对三次访问序的可行性进行分析得到第二分析结果,根据第二分析结果确定原子违背缺陷并生成缺陷报告。本申请解决了现有技术中单变量原子性违背缺陷检测的准确性和效率较低的技术问题。
-
公开(公告)号:CN118152564A
公开(公告)日:2024-06-07
申请号:CN202410229088.8
申请日:2024-02-29
Applicant: 北京轩宇信息技术有限公司
Abstract: 一种中文自然语言处理模型的对抗文本生成方法,针对给定的预训练的智能模型,对输入的合法文档加入扰动生成对抗性文档,生成的对抗性文档在保持与原始合法文档高度相似的同时,误导智能模型,使其做出错误的决策或分类;包括以下步骤:1、基于编码器‑解码器架构的预训练模型,利用提示学习进行无监督关键词提取;2、根据中文字符的特点,构建中文对抗字符字典;3、基于中文对抗字符字典,对文档中的关键词进行干扰,生成对抗文本。本发明生成的对抗文本具有高度相关性和连贯性,不易被防御机制识别,并且可以用于各种自然语言处理任务,包括但不限于文本生成、文本分类、机器翻译等领域,可以有效提高深度学习模型在自然语言领域的应用性能。
-
公开(公告)号:CN117909209A
公开(公告)日:2024-04-19
申请号:CN202311425020.9
申请日:2023-10-31
Applicant: 北京轩宇信息技术有限公司
Abstract: 本发明公开了一种基于关键神经元识别的神经通路覆盖率分析系统,包括数据输入模块、关键神经元识别模块、神经元激活状态分析模块、覆盖率计算模块和结果可视化模块,所述数据输入模块分别控制连接关键神经元识别模块和神经元激活状态分析模块,它通过识别神经网络中对决策路径影响最大的脆弱神经元与敏感神经元两类关键神经元,对五种多维的神经元覆盖率进行分析,反映测试输入对神经网络的激活程度和敏感度,为测试输入生成提供了更有针对性的指导,为深度学习网络的测试和评估提供一种新颖和有效的系统,解决了现有的神经元覆盖率准则与覆盖率分析方法存在的局限性和不足,提高测试输入的质量和效率,增强神经网络的鲁棒性和可靠性。
-
公开(公告)号:CN114924852A
公开(公告)日:2022-08-19
申请号:CN202210536587.2
申请日:2022-05-17
Applicant: 大连理工大学 , 北京轩宇信息技术有限公司
Abstract: 本发明公开了一种基于单变量访问序模式的中断数据竞争模型检测方法,属于软件模型检测领域。首先选择待检测模式并输入待检测变量的名称和类型,然后对中断程序进行顺序化处理,根据选择的模式在待检测变量的读写语句前后添加赋值语句和断言,再将其输入给有界模型检测工具CBMC,最终根据返回结果得到待检测变量是否存在该种模式的数据竞争。此方法可以检测中断程序中存在的特定单变量访问序模式,同时对反例路径进行可视化。
-
公开(公告)号:CN112269648A
公开(公告)日:2021-01-26
申请号:CN202011272405.2
申请日:2020-11-13
Applicant: 北京轩宇信息技术有限公司
Abstract: 本发明公开了一种多阶段程序分析的并行任务分配方法及装置。所述方法包括:根据待分析代码中所有任务之间的依赖关系,构建所述待分析代码对应的任务关系图;获取所述待分析代码中需要运行的分析任务;根据所述任务关系图和所述分析任务,对所述分析任务进行阶段划分,得到阶段任务集合;所述阶段任务集合中包含至少一个可被并行执行的并行任务;根据并发运行任务数,运行所述阶段任务集合中的阶段任务,并获取任务运行结果。本发明能够较大程度的发挥硬件性能,缩短整体分析时间,且能够有效解决将所有检查器结果堆积到同一个结果文件中,检查结果较多时,结果文件过大,不便于读取的问题。
-
-
-
-
-
-
-
-
-