-
公开(公告)号：CN112288079A
公开(公告)日：2021-01-29
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：CN111124723A
公开(公告)日：2020-05-08
申请号：CN201911067304.9
申请日：2019-11-04
Applicant: 北京轩宇信息技术有限公司
IPC: G06F11/07
Abstract: 本发明公开了一种基于干扰变量的中断驱动型程序整数溢出模型检测方法，该方法包括：对待处理程序进行解析，得到干扰变量集合；根据干扰变量集合中的干扰变量信息，对中断函数进行抽象处理，得到中断函数摘要；在主程序中插入中断函数摘要，得到顺序化后的程序；获得顺序化程序的静态单赋值形式SSA，并进行程序模型状态空间约简处理，得到约简后的程序；使用有界模型检测工具CBMC，对约简后的程序进行整数溢出检测。本发明在保证整数溢出问题检出率的前提下，不仅能够提高分析效率，还使得已有的模型检测技术能够适用于中断驱动型程序整数溢出检测。
-
公开(公告)号：CN112269732A
公开(公告)日：2021-01-26
申请号：CN202011097889.1
申请日：2020-10-14
Applicant: 北京轩宇信息技术有限公司
Abstract: 本发明公开了一种软件缺陷预测特征的选择方法及装置。所述方法包括：根据历史软件缺陷数据库，获取领域缺陷数据集；基于Bootstrap抽样技术对所述领域缺陷数据集进行抽样处理，生成软件缺陷样本集；基于所述软件缺陷样本集和马尔科夫毯模型，对原始特征进行分组，得到多个特征组；根据预先设计的启发式特征选择策略，从所述多个特征组中筛选出初始特征，得到筛选的候选特征序列；基于遗传算法从所述候选特征序列中搜索出目标特征子集。本发明能够更有效地提高软件缺陷预测准确性。
-
公开(公告)号：CN107589960B
公开(公告)日：2020-07-24
申请号：CN201710761786.2
申请日：2017-08-30
Applicant: 北京轩宇信息技术有限公司
IPC: G06F9/38
Abstract: 本发明公开了一种基于寄存器访问冲突检测的DSP指令模拟方法，在识别出不符合顺序特征的指令之后，可以通过周期模式进行该类指令模拟，确保指令模拟的正确性；对于符合顺序特征的指令，可以省略对指令执行时流水线特征的模拟，在快速模式下利用现有技术快速模拟指令；这种通过对指令寄存器访问冲突的检测，在不同模式下分别对指令进行模拟，可以兼顾指令模拟的效率和正确性。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN112380132B
公开(公告)日：2024-03-29
申请号：CN202011314574.8
申请日：2020-11-20
Applicant: 北京轩宇信息技术有限公司
IPC: G06F11/36 , G06F18/214 , G06N20/20
Abstract: 本发明实施例公开了一种基于航天软件缺陷数据集类不平衡的对抗验证方法及装置。所述方法包括：获取航天嵌入式软件对应的缺陷数据训练集和缺陷数据测试集；合并所述缺陷数据训练集和所述缺陷数据测试集，生成合并数据集；基于集成学习方法对所述合并数据集中的缺陷数据样本进行预测，确定所述缺陷数据样本对应的预测概率；根据所述预测概率，对所述合并数据集中的缺陷数据样本进行升序排序，并从所述缺陷数据样本中筛选出设定比例的缺陷数据样本，得到所述航天嵌入式软件对应的验证数据样本。本发明实施例提供了切实可行的缺陷数据集的对抗验证方法，能够解决航天嵌入式软件缺陷预测工程实践测试集与训练集分布不一致的问题。
-
公开(公告)号：CN112269732B
公开(公告)日：2024-01-05
申请号：CN202011097889.1
申请日：2020-10-14
Applicant: 北京轩宇信息技术有限公司
Abstract: 本发明公开了一种软件缺陷预测特征的选择方法及装置。所述方法包括：根据历史软件缺陷数据库，获取领域缺陷数据集；基于Bootstrap抽样技术对所述领域缺陷数据集进行抽样处理，生成软件缺陷样本集；基于所述软件缺陷样本集和马尔科夫毯模型，对原始特征进行分组，得到多个特征组；根据预先设计的启发式特征选择策略，从所述多个特征组中筛选出初始特征，得到筛选的候选特征序列；基于遗传算法从所述候选特征序列中搜索出目标特征子集。本发明能够更有效地提高软件缺陷预测准确性。
-
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：CN112257963A
公开(公告)日：2021-01-22
申请号：CN202011311120.5
申请日：2020-11-20
Applicant: 北京轩宇信息技术有限公司
Abstract: 本发明公开了一种基于航天软件缺陷数据分布离群点的缺陷预测方法及装置，包括：根据存在离群点现象的样本数据，构建航天嵌入式软件缺陷数据对应的离群点训练集和离群点测试集；根据所述离群点训练集，训练得到第一数量的软件缺陷预测模型；根据所述离群点测试集，对所述软件缺陷预测模型进行测试验证，并按照评价指标对所述软件缺陷预测模型进行排序，得到排序预测模型；基于遗传算法构建自动化搜索优化算法，并结合所述排序预测模型在元分类器基础上逐层递归，查找可被替换的模型节点；根据不同的评价指标和所述模型节点，优化得到目标模型结构，并获取航天嵌入式软件缺陷数据分布离群点的缺陷预测方法。本发明可以提高第三方软件测评效率。
-
公开(公告)号：CN106557352B
公开(公告)日：2019-08-09
申请号：CN201610906730.7
申请日：2016-10-17
Applicant: 北京轩宇信息技术有限公司
Abstract: 一种实现指令集模拟器正逆双向执行的方法，首先使用指令集模拟器对软件进行执行，得到多个关键记录时间点对应的指令集模拟器的处理器运行状态、寄存器状态、内存状态、外设状态，然后获取外部执行命令，在正向执行的过程中，如果需要进行逆向执行，则获取需要逆向执行的起始时间点，最后使用时间粒度或需要逆向执行的终止时间点计算关键记录时间点，并恢复关键记录点的指令集模拟器的处理器运行状态、寄存器状态、内存状态、外设状态，正向执行到需要逆向执行的终止时间点，完成指令集模拟器正逆双向执行。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.023 seconds)
