-
公开(公告)号：CN117113350A
公开(公告)日：2023-11-24
申请号：CN202311162448.9
申请日：2023-09-11
Applicant: 上海计算机软件技术开发中心
Abstract: 本发明公开一种基于路径自适应的恶意软件检测方法、系统及设备，涉及软件检测领域，该方法包括：对软件样本数据进行逆向编译后提取相关细粒度信息特征；该信息特征包括APP与API间的调用特征、API与API间的调用特征以及API与Permission的调用特征；基于以上相关细粒度信息特征构建异构图数据；基于异构图数据，采用强化学习从所述异构图数据中为每个样本提取出一个样本路径；采用训练集训练异构图嵌入模型，得到恶意软件检测模型；训练集中样本数据由各样本路径和各样本路径对应的软件类型构成；根据待检测的软件数据和恶意软件检测模型，得到待检测的软件数据对应的类型。本发明提高了检测精度的同时提高了检测速度。
-
公开(公告)号：CN105320589B
公开(公告)日：2017-12-22
申请号：CN201410331910.8
申请日：2014-07-14
Applicant: 上海计算机软件技术开发中心 , 上海市信息网络有限公司
IPC: G06F11/36
Abstract: 本发明公开了一种云测试环境中测试脚本自动解析系统，包括：测试脚本输入模块；测试脚本自适应配置模块；测试脚本依赖关系分析模块；测试脚本参数生成模块；测试脚本分发模块；云测试环境模块。本发明能够根据云测试环境的实际情况以及用户自定义的需求灵活配置测试脚本，使测试脚本具有自适应能力。同时对于有参数的测试脚本，根据用户需求自动生成多组数据值作为测试输入，实现参数化测试，并能根据用户指定的依赖关系，将测试脚本分配到云测试环境中并行执行。用户无需为每一个测试环境重新录制或者编写测试脚本，也无需为每个测试输入数据重复编写测试脚本，没有依赖关系的测试脚本也可并行执行，加快了测试脚本的执行速度，提高了测试效率，减轻了用户编写测试脚本的复杂度。本发明还公开了一种云测试环境中测试脚本自动解析的实现方法。
-
公开(公告)号：CN103425472B
公开(公告)日：2016-08-24
申请号：CN201210162008.9
申请日：2012-05-23
Applicant: 上海计算机软件技术开发中心
Abstract: 本发明公开了一种基于云计算的软件测试环境动态生成系统，包括：请求与反馈模块；全局控制模块；测试环境动态调度模块；测试环境模板库；测试环境资源监控模块；云端软件测试环境模块。本发明通过云计算中的虚拟化技术，实现测试环境的动态生成、快速生成及可复用，使用户可以按需远程搭建测试环境，不必购买数量庞大的计算机以及在搭建软件测试环境上投入过多精力，从而达到了降低测试成本、提高测试效率的目的。本发明还公开了一种基于云计算的软件测试环境动态生成系统的实现方法。
-
公开(公告)号：CN105320589A
公开(公告)日：2016-02-10
申请号：CN201410331910.8
申请日：2014-07-14
Applicant: 上海计算机软件技术开发中心 , 上海市信息网络有限公司
IPC: G06F11/36
Abstract: 本发明公开了一种云测试环境中测试脚本自动解析系统，包括：测试脚本输入模块；测试脚本自适应配置模块；测试脚本依赖关系分析模块；测试脚本参数生成模块；测试脚本分发模块；云测试环境模块。本发明能够根据云测试环境的实际情况以及用户自定义的需求灵活配置测试脚本，使测试脚本具有自适应能力。同时对于有参数的测试脚本，根据用户需求自动生成多组数据值作为测试输入，实现参数化测试，并能根据用户指定的依赖关系，将测试脚本分配到云测试环境中并行执行。用户无需为每一个测试环境重新录制或者编写测试脚本，也无需为每个测试输入数据重复编写测试脚本，没有依赖关系的测试脚本也可并行执行，加快了测试脚本的执行速度，提高了测试效率，减轻了用户编写测试脚本的复杂度。本发明还公开了一种云测试环境中测试脚本自动解析的实现方法。
-
公开(公告)号：CN118740511A
公开(公告)日：2024-10-01
申请号：CN202411054639.8
申请日：2024-08-02
Applicant: 上海计算机软件技术开发中心
IPC: H04L9/40 , G06N3/0464 , G06N3/045 , G06N3/08 , H04L67/12
Abstract: 本发明公开一种新能源电车充电桩主机入侵检测方法、产品、介质及设备，涉及智能电网安全领域，通过将主机事件特征作为检测方法的数据基础降低误报率，基于多任务学习方法，采用深度学习模型为每个任务搭建检测器，使用多任务架构，在样本表征时，为各任务使用相同的向量表示，避免了每个任务重复表征，由于各入侵检测任务之间相互共享特征表征，因此与传统检测任务相比，达到相同的电车充电桩入侵检测目的，本发明训练出来检测模型所需的时间更少，此外，本发明通过概率转移提升多任务检测架构的预测精度，降低模型的训练时间，最终实现了快速得到准确的恶意检测结果、家族检测结果和多分类检测结果。
-
Patent Agency Ranking
公开(公告)号：CN118606174A
公开(公告)日：2024-09-06
申请号：CN202410636858.0
申请日：2024-05-22
Applicant: 上海计算机软件技术开发中心
IPC: G06F11/36 , G06F21/62 , G06N3/0464 , G06N3/092 , G06F16/901
Abstract: 本发明公开一种软件隐私合规检测方法、设备、存储介质及产品，涉及软件隐私合规分析技术领域。所述方法包括：提取各样本软件对应的样本特征；基于各样本软件对应的样本特征构建各样本软件对应的异构图；采用强化学习根据奖励函数值对各异构图进行处理得到各样本软件对应的元路径；根据元路径生成各样本软件对应的路径实例，并采用图表征模型对各路径实例进行处理得到各路径实例中各节点的向量表示；利用训练集对图嵌入模型进行训练得到软件隐私合规检测模型；根据各节点的向量表示计算新奖励函数值；将待检测软件对应的样本特征输入软件隐私合规检测模型得到待检测软件的检测结果。本发明可提供更好的检测效果，并且对检测人员门槛要求更低。
-
公开(公告)号：CN114817991B
公开(公告)日：2024-02-02
申请号：CN202210500729.X
申请日：2022-05-10
Applicant: 上海计算机软件技术开发中心
IPC: G06F21/62 , G06T3/04 , G06V10/26 , G06V10/82 , G06V20/70 , G06V20/56 , G06V20/59 , G06N3/045 , G06N3/0464 , G06N3/08 , G16Y20/00 , G16Y40/50
Abstract: 本发明公开了一种车联网图像脱敏方法，包括，采用实例分割模型对获得的车联网图像进行实例分割后进行脱敏处理。对获得的车联网原始图像进行预处理，预处理的内容包括：删除车联网原始图像中的位置信息；对车联网图像进行标准化处理。根据预设立的脱敏规则库中的规则模板，对经过实例分割后的所述车联网图像输出的实例进行脱敏处理。所述的预处理还包括，删除车联网原始图像中的信息包括海拔、纬度、经度、位置、超焦距和/或亮度值。
-
公开(公告)号：CN115564043B
公开(公告)日：2023-10-27
申请号：CN202211269688.4
申请日：2022-10-18
Applicant: 上海计算机软件技术开发中心
IPC: G06N3/082 , G06N3/0464 , G06V10/764
Abstract: 本发明公开了一种图像分类模型剪枝方法、装置、电子设备及存储介质，涉及人工智能领域，该方法包括获取训练T个周期后的待剪枝的图像分类模型的参数序列；参数序列包括T个网络参数集合；网络参数集合由训练一个周期后的待剪枝的图像分类模型的网络参数组成；利用累计变化算子对参数序列中的网络参数变化进行统计，得到T个周期内网络参数的累计变化数组；根据累计变化数组和参数序列对图像分类模型进行参数剪枝或参数冻结，得到稀疏神经网络模型；将稀疏神经网络模型部署至图像分类便携式智能终端。本发明能够提高图像分类模型训练性能和训练效率。
-
公开(公告)号：CN115687115B
公开(公告)日：2023-07-28
申请号：CN202211344156.2
申请日：2022-10-31
Applicant: 上海计算机软件技术开发中心
IPC: G06F11/36
Abstract: 本发明涉及一种移动应用程序自动化测试方法及系统。该方法包括：获取待测移动应用程序的业务交互流程图，并利用不同格式表示每个页面中表单的页面表单属性；业务交互流程图中输入输出属性约束信息包括输入流流向的方向以及对所述输入属性进行的逻辑处理；通过行为克隆利用监督学习算法从所述状态‑动作对中学习不同状态下采用不同的动作分布；基于深度强化学习算法结合应用的业务逻辑流，更有效的理解业务需求，快速触及到复杂的核心业务场景中，检测页面本身的异常，从而获取整个测试过程中的异常日志文件以及代码覆盖率，评估待测移动应用程序的性能。本发明能够提高测试大型应用程序时的测试效率。
-
公开(公告)号：CN116127854A
公开(公告)日：2023-05-16
申请号：CN202310245307.7
申请日：2023-03-15
Applicant: 上海计算机软件技术开发中心
Abstract: 本发明提供了一种自动驾驶虚拟测试场景生成方法、系统及设备。该方法包括：根据场景类型以及场景参数生成随机虚拟驾驶场景；在每个所述随机虚拟驾驶场景中进行仿真模拟驾驶，记录仿真驾驶结果；将随机虚拟驾驶场景作为样本，将仿真驾驶结果作为标签，训练机器学习模型，构建驾驶推理模型；利用对抗样本生成算法生成驾驶推理模型的对抗场景；在对抗场景中进行仿真模拟驾驶，验证对抗场景是否满足预期结果；若是，确对抗场景为关键测试场景，输出并保存对抗场景；关键测试场景为最终的自动驾驶虚拟测试场景；若否，重新生成驾驶推理模型的对抗场景，直至满足预期结果。本发明能够提高拟测试场景生成效率以及场景多样性。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.038 seconds)
