-
Patent Agency Ranking
公开(公告)号：CN117762415A
公开(公告)日：2024-03-26
申请号：CN202311534908.6
申请日：2023-11-17
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种面向模糊测试的抽象语法树变异方法，属于模糊测试技术领域。本发明使用抽象语法树AST方法来对测试用例进行变异，保证生成的测试用例语法的正确性。抽象语法树变异以AST子树为单位进行变异，侧重改变单个SQL语句的内部结构，AST变异基于AST中蕴含的语法信息进行，在保持AST的原始语法特性的基础上实现语法保持的变异。针对有源码的面向数据库模糊测试的灰盒场景，本方法设计的抽象语法树变异，可以对测试用例进行更加彻底地变异，更好地挖掘种子潜力，并保证生成的测试用例的语法正确性。
-
公开(公告)号：CN117539756A
公开(公告)日：2024-02-09
申请号：CN202311491901.0
申请日：2023-11-10
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种基于粒子群算法的AFL模糊测试方法，属于模糊测试技术领域。本发明针对现有模糊测试技术中存在边缘覆盖缺失的问题，提供了一种基于粒子群算法的AFL模糊测试方法，将粒子群算法应用于模糊测试工具AFL中，优化种子变异中突变算子的选择，提高边缘覆盖率。其中，将每个突变算子作为一个粒子，其被选中的概率作为权重，对每个突变算子在一次迭代中分配多个概率，形成多个粒子群，对多群都进行迭代，找到局部最优解和全局最优解。本发明把研究重心放在了种子的变异阶段，结合粒子群算法优化各个突变算子的概率分布，提高了变异后模糊测试用例的质量，使其可以覆盖程序更多的边缘。
-
公开(公告)号：CN115391787A
公开(公告)日：2022-11-25
申请号：CN202211018737.7
申请日：2022-08-24
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种基于生成对抗网络的AFL种子优化方法及系统，属于信息安全技术领域。本发明提供的基于生成对抗网络的AFL种子优化方法及系统，利用了生成对抗网络模型对抗博弈训练的思想，通过不断地循环迭代，达到对初始测试用例优化的效果，一方面有利于提供更多的初始测试用例，为模糊测试提供了更多的数据支撑，另一方面，有利于对初始测试用例进行不断地优化，增强种子的有效性，触发更多的新执行路径，为提高AFL漏洞挖掘的效率和成功率提供了新的解决方案和研究思路。
-
公开(公告)号：CN115186266A
公开(公告)日：2022-10-14
申请号：CN202210740430.1
申请日：2022-06-27
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种基于动态规划的AFL多线程优化方法及系统，属于信息安全技术领域。本发明基于动态规划算法来求解多条路径节点的最长公共子序列节点集合，继而找出干扰节点，利用该方法能够有效地排除冗余路径，显著提高了AFL多线程调度中种子的稳定性，有利于解决AFL应用在无目标源码的多线程应用程序的低效率问题，为智能化漏洞挖掘在多线程调度中的应用问题提供了新的解决方案和研究思路。
-
公开(公告)号：CN114861178A
公开(公告)日：2022-08-05
申请号：CN202210440338.3
申请日：2022-04-25
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种基于改进B2M算法的恶意代码检测引擎设计方法，属于信息安全技术领域。本发明结合了深度学习和机器学习的优势，设计了基于残差神经网络和基于传统机器学习分类算法共两种恶意代码检测引擎，并提出了改进的B2M算法实现了可视化处理，有利于主动检测和防御未知的恶意代码及其家族变种，拥有快速检测、高精度等优点；通过使用优化的生成对抗网络生成补充的代码图像样本对检测引擎进行再训练，有利于解决小样本问题，并帮助检测引擎提前学习到数据样本的分布特征，有利于提高检测引擎的性能指标。
-
-
-
-
Search Results
15
records
(took 0.025 seconds)
