-
公开(公告)号：CN117992353A
公开(公告)日：2024-05-07
申请号：CN202410239073.X
申请日：2024-03-01
Applicant: 南京工业大学
IPC: G06F11/36
Abstract: 本发明提出一种基于决策边界实例的深度学习软件测试充分性度量方法。首先，使用对抗样本生成技术和二分迭代算法，利用训练数据集生成位于决策边界上的对抗性实例，将DL软件的决策边界具象化。然后，计算测试数据和决策边界实例数据之间的距离来表示测试数据在决策边界上的分布情况。最后，计算整个测试数据集在决策边界上的覆盖率。覆盖率越高，测试越充分。本发明目的在于通过计算测试数据集相对于训练数据集在深度学习软件上的行为差异来度量测试数据集的充分程度，进而提高软件测试人员对深度学习软件测试充分性和测试过程可解释性的认识，暴露软件缺陷，保障软件质量。
-
公开(公告)号：CN113342661A
公开(公告)日：2021-09-03
申请号：CN202110658105.6
申请日：2021-06-11
Applicant: 南京工业大学 , 南京慕测信息科技有限公司
Abstract: 本发明涉及一种面向模型质量优化的AI系统测试数据生成方法，针对原始测试集和由领域专家制定的变异算子库，首先计算原始测试集中数据之间的欧式距离，再以此为基础算得每个数据的平均距离，并将此作为该数据所在区域的数据稀疏程度指标。其次，选取平均距离最大的数据，使用变异算子库中的所有变异算子对其进行迭代变异。最后，对扩增后的测试集进行评估，在符合要求时，作为最终测试集来输出。本发明目的在于解决目前存在的AI系统测试数据少，测试集质量不高的问题。进而提高AI系统中软件测试的充分性，最终实现提高AI系统测试效率、保障AI系统质量的目标。
-
公开(公告)号：CN112235787A
公开(公告)日：2021-01-15
申请号：CN202011059560.6
申请日：2020-09-30
Applicant: 南京工业大学
Abstract: 本发明公开了一种基于生成对抗网络的位置隐私保护方法，涉及以用户为中心的位置隐私保护机制，在用户请求LBS服务时，采用位置模糊机制对自身位置进行扰动后发送给LBS服务器，使攻击者难以推测用户的真实位置，保护用户的位置隐私。本发明以Stackelberg博弈模型为基础设计一个第三方可信服务器，并引入生成对抗网络参与保护策略的生成，可以在允许的范围内损失一定服务质量的同时明显缩短保护机制的生成时间，并尽可能降低效用代价。
-
公开(公告)号：CN112235787B
公开(公告)日：2023-04-28
申请号：CN202011059560.6
申请日：2020-09-30
Applicant: 南京工业大学
Abstract: 本发明公开了一种基于生成对抗网络的位置隐私保护方法，涉及以用户为中心的位置隐私保护机制，在用户请求LBS服务时，采用位置模糊机制对自身位置进行扰动后发送给LBS服务器，使攻击者难以推测用户的真实位置，保护用户的位置隐私。本发明以Stackelberg博弈模型为基础设计一个第三方可信服务器，并引入生成对抗网络参与保护策略的生成，可以在允许的范围内损失一定服务质量的同时明显缩短保护机制的生成时间，并尽可能降低效用代价。
-
公开(公告)号：CN113268423A
公开(公告)日：2021-08-17
申请号：CN202110568249.2
申请日：2021-05-24
Applicant: 南京工业大学
Abstract: 本发明涉及一种深度学习变异算子约简方法。首先，利用变异算子为每个源模型生成一系列变异体进行变异测试，通过数据清洗、数据归一化的方法进行特征信息提取，为每一个变异体建立变异特征矩阵MATRIX_MM；然后，对所有变异特征矩阵MATRIX_MM进行数据整理，为每一个变异算子建立算子特征矩阵MATRIX_OP；再基于此矩阵，利用BP神经网络构建模型的方法，为每个变异算子建立一个预测模型PRE_MODEL；最后将待测程序特征输入每个预测模型，最终得到适合该待测程序的变异算子子集。通过本发明的深度学习变异算子约简方法，可以过滤冗余变异算子、减少变异体测试执行开销，从而提升测试效率，节省深度学习软件研发时间。
-
Patent Agency Ranking
公开(公告)号：CN117807419A
公开(公告)日：2024-04-02
申请号：CN202310840844.6
申请日：2023-07-10
Applicant: 南京工业大学
IPC: G06F18/213 , G06F18/23213 , G06N3/0464 , G06N3/08 , G06F18/214 , G06F11/36
Abstract: 本发明提出一种基于2D‑Kernels特征聚类的深度学习变异体集约简方法。首先基于模型卷积核可解释性分析卷积核2D‑Kernels特征，并利用该特征表示深度学习变异体，得到一个由特征向量表示的变异体集。然后，结合聚类方法，将具有不同特征的变异体归入不同的簇中，从而将变异体集划分为多个簇和一个少数空间(聚类过程中的离群数据)。最后，通过选择算法在各簇中选择具有代表性的变异体；同时，通过随机选择的方法选择少数空间中的变异体；两次选择组成的变异体集即为约简后的变异体集。本发明目的在于有效地在保持变异得分准确性的同时，减少变异体数量与测试执行开销。此外，约简后的变异体子集具有和全集近似相同的测试数据集质量评估能力。
-
公开(公告)号：CN116128365A
公开(公告)日：2023-05-16
申请号：CN202310138936.X
申请日：2023-02-20
Applicant: 南京工业大学
IPC: G06Q10/0639 , G06Q10/0631 , G06F16/9535 , G06F18/22
Abstract: 本发明涉及一种基于密文信息的众测工人推荐方法。首先，计算出众测工人集合中每个众测工人擅长领域和众测任务的相似度，与众测任务相似度越高的众测工人越适合该众测任务；在此基础上，我们选取相似度较高的众测工人的数组；其次，我们从该数组中寻找高的工人ID，信誉值较高表明该众测工人在历史任务中表现良好，采用堆排序算法在匹配众测任务要求的工人中选取信誉值较高的工人作为最终推荐结果，可以在不泄露隐私的情况下帮助任务请求者可信可靠找到合适的众测工人。
-
公开(公告)号：CN113342662A
公开(公告)日：2021-09-03
申请号：CN202110658162.4
申请日：2021-06-11
Applicant: 南京工业大学 , 南京慕测信息科技有限公司
Abstract: 本发明涉及一种面向神经元特性的AI系统软件模型变异技术。首先，计算出测试集中每个类别的数据子集的距离熵，即每个类子集的多样性程度，根据整个测试集的平均距离熵，量化测试集的整体多样性程度，自动选择相应的变异级别；在此基础上，选择相应级别的变异算子，变异得到多个变异模型；最后，筛选掉查准率较低的变异模型，计算剩余变异模型的变异得分，有效地评估测试集质量。本发明目的在于解决深度学习系统测试集质量评估难题。利用变异得分指标，可以帮助软件研发人员准确地评价测试集，保障深度学习系统的质量。
-
公开(公告)号：CN113326197A
公开(公告)日：2021-08-31
申请号：CN202110658031.6
申请日：2021-06-11
Applicant: 南京工业大学 , 南京慕测信息科技有限公司
IPC: G06F11/36
Abstract: 本发明是一种面向Diem区块链的性能测试方法，其特征是能够测试Diem区块链整体以及共识层两方面的性能，并生成包含吞吐量和交易延迟两个维度指标的可靠的Diem性能测试报告。首先，我们根据用户提供的Diem区块链配置(DC)在Diem CLI客户端完成Diem测试链搭建，并将其部署在服务器上；其次，我们根据用户提供的Diem区块链整体性能测试配置(DWTC)执行Diem区块链整体性能测试，生成包含吞吐量和交易延迟两个维度指标的Diem整体性能测试数据；最后，我们根据用户提供的Diem区块链共识性能测试配置(DCTC)执行Diem区块链共识性能测试，生成包含吞吐量和交易延迟两个维度指标的Diem共识性能测试数据。
-
公开(公告)号：CN113271213A
公开(公告)日：2021-08-17
申请号：CN202110508057.2
申请日：2021-05-10
Applicant: 南京工业大学
IPC: H04L12/14
Abstract: 本发明公开了一种基于软件定义网络、综合考虑网络延迟与网络带宽的计费网络出口路由选择方法。本方法用于在一个接入多个计费网络出口的SDN网络环境中出口路由的选择，它包括以下步骤：SDN控制器预先设置各出口线路的计费方式；当收到访问请求时SDN交换机首先安装预设的流表进行转发，如果不匹配，则判断该请求的服务类型并向控制器发出请求，由控制器收集各网络出口的时延、带宽等信息；计算并比较不同出口访问不同类型服务的权值，根据服务类型下发合适的流表。同时SDN控制器会定时对流表项进行更新，适应动态变化的网络环境并防止流表过长造成的性能损失。该方法降低了SDN控制器的负载、增加了网络资源利用率、提升了用户的网络使用体验。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.028 seconds)
