-
公开(公告)号：CN119396723A
公开(公告)日：2025-02-07
申请号：CN202411443827.X
申请日：2024-10-16
Applicant: 浙江大学
IPC: G06F11/3668 , G06F9/48 , G06F9/50 , G06F18/24 , G06F21/57
Abstract: 本发明公开了一种基于种子特性的多目标导向并行模糊测试方法和系统。方法包括：划分各测试引擎的任务，获取种子进行模糊测试，记录基本块的触发次数并以触发次数作为探索难度的评估指标，根据探索难度进行筛选出目标集合；根据种子的执行特征将其分成三种类型；针对不同分类，设置具体的导向规则调整种子的选择概率和变异次数；根据调整后的选择概率和变异次数进行并行模糊测试。本发明在确保对难度较高区域集中探索的同时，也保持对任务其他部分的广泛测试。通过平衡深入探索与广泛测试，本发明提高了测试资源的使用效率，防止了测试引擎过分集中于复杂区域而忽略可能含有缺陷的其他区域，从而提升了并行模糊测试系统的整体效果与效率。
-
公开(公告)号：CN118503097A
公开(公告)日：2024-08-16
申请号：CN202410569491.5
申请日：2024-05-09
Applicant: 浙江大学
IPC: G06F11/36
Abstract: 本发明公开了一种基于选择性插桩的Windows平台并行模糊测试方法和系统。方法包括：通过测试器动态插桩后端分析运行的指令以获取基本块执行情况和程序分支情况，动态维护被测程序模块实时控制流图和分支探索状态。将拥有未探索程序分支的基本块识别为目标，并根据其在图上的位置进行任务划分。根据控制流图为每组任务识别对应的插桩基本块和前驱基本块，作为并行的指导信息分配给各个测试引擎。引擎设置插桩范围为插桩基本块，并根据测试用例的任务和前驱执行情况为其赋予选择概率，从而实现测试用例优选。该方法显著提高了Windows平台并行模糊测试的代码覆盖率和漏洞发现能力，改善了Windows模糊测试的效率。
-
公开(公告)号：CN112860930B
公开(公告)日：2022-09-16
申请号：CN202110185623.0
申请日：2021-02-10
Applicant: 浙江大学
IPC: G06F16/532 , G06F16/583 , G06V10/40 , G06V10/74 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于层次化相似性学习的文本到商品图像的检索方法，该方法通过预训练的目标检测模型和利用独热编码以及预训练的Word2Vec获取图像和文本的初步特征，再通过两个层次化编码网络分别对两种模态进行层次化编码。通过全连接层将特征映射到一个统一公共空间中，进行两种不同粒度的相似性度量，分别是物体粒度的相似性和图像粒度的相似性，最后利用公共空间算法学习两个模态之间的关系，通过端到端的方式训练模型，自动学习文本和图像的匹配关系，从而实现文本到图像的跨模态检索。本发明针对复杂的商品图像，应用多层次的特征以及多粒度的相似性来进行跨模态检索，具有优越的性能优势，并且利用深度学习技术，极大提高了检索的性能和效率。
-
公开(公告)号：CN114972263A
公开(公告)日：2022-08-30
申请号：CN202210592724.4
申请日：2022-05-27
Applicant: 浙江大学
IPC: G06T7/00 , G06T7/62 , G06V10/25 , G06V10/26 , G06V10/764 , G06V10/766 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图片分割的实时超声图像卵泡测量方法及系统，属于物体目标检测以及图像分割领域。首先，获取各类卵泡超声图像及其相关信息作为训练集，所述的相关信息包括图像比例尺信息、卵泡位置信息、卵泡轮廓信息；之后，根据各类卵泡超声图像及其相关信息训练智能学习器，所述的智能学习器自动学习关键卵泡特征，完成超声图像中的卵泡识别、卵泡位置识别及卵泡掩码结果；最后，利用并行检测器对待检测的卵泡超声图像进行多任务检测，根据检测结果得到卵泡统计学信息。本发明同时兼具了兼容性、通用性、稳定性以及可扩展性，能自动学习卵泡超声图像的特征，提高了卵泡图像识别精确度以及智能程度，提高实际应用中的诊断效率和准确率。
-
公开(公告)号：CN114841124A
公开(公告)日：2022-08-02
申请号：CN202210331439.7
申请日：2022-03-30
Applicant: 浙江大学
IPC: G06F40/14 , G06F40/279 , G06F40/205 , G06N3/04 , G06N3/08 , G06F16/33 , G06F16/332 , G06K9/62
Abstract: 本发明公开了一种基于问答模型的第三方组件文档细粒度自动化提取方法及系统，属于第三方组件测试技术领域。系统包括：第三方组件文档预处理模块，对第三方组件文档进行初步过滤，获取粗粒度的第三方组件使用规则；文档问答树构建模块，深度分析第三方组件误用类型，为每一类误用类型设计查询问题，根据问题对待测文档进行人工标记；基于问答的第三方组件使用规则提取模块，采用基于RoBERTa模型的自然语言处理模型对文档进行问答式信息提取，获得与第三方组件相关的细粒度使用规则。本发明的系统解决了无统一格式的第三方组件文档粗粒度提炼问题，能够对第三方组件文档中的使用规则进行细粒度自动化提取。
-
Patent Agency Ranking
公开(公告)号：CN114840856A
公开(公告)日：2022-08-02
申请号：CN202210449651.3
申请日：2022-04-26
Applicant: 浙江大学
Abstract: 本发明公开了一种状态感知的物联网可信执行环境模糊测试方法和系统，属于物联网可信执行环境测试领域。方法包括：基于文档分析和程序分析构建具有依赖关系的物联网可信执行环境测试样例模板；对物联网可信应用执行日志得到原始种子队列进行模糊测试并收集运行时返回值、覆盖率、全局变量值等反馈信息；基于模型学习算法构建可信执行环境状态机，并优化符合状态机的测试样例，保存到种子文件；根据反馈信息与状态机，对不同种子分配和更新选择概率；根据选择概率挑选种子进行模糊测试，并使用反馈信息动态优化状态机。本发明设计的基于状态感知的模糊测试方法和系统能够对物联网可信执行环境进行高效率、深层次、状态感知的测试。
-
公开(公告)号：CN114676458A
公开(公告)日：2022-06-28
申请号：CN202210302577.2
申请日：2022-03-24
Applicant: 浙江大学
IPC: G06F21/62 , G06F40/284 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及隐私安全领域，旨在提供一种面向预训练语言模型隐私泄露风险的评估方法及系统。包括：在预训练数据集中加入伪造数据；将预训练数据集输入初始化的神经网络模型，根据设定的预训练任务和损失函数计算损失；在训练过程中持续更新模型的参数，增加其隐私的泄露风险；利用微调数据集输入经过预训练的神经网络模型，对模型的特征提取能力进行微调；向模型输入隐私前缀内容，输出作为预测结果的文本信息；计算、统计和排序输出信息的困惑度，通过对比生成的隐私信息的比例来评估隐私数据泄露的风险。本发明可以有效提高评估隐私数据泄露风险的准确性，暴露预训练语言模型存在的隐私数据泄露风险，为后续发展相关防御方法提供思路。
-
公开(公告)号：CN114663962A
公开(公告)日：2022-06-24
申请号：CN202210543484.9
申请日：2022-05-19
Applicant: 浙江大学
Abstract: 本发明公开了一种基于图像补全的唇形同步人脸伪造生成方法及系统，属于人工智能人脸生成领域。包括：获取人脸视频及对应的音频，将视频帧和音频帧对齐，提取多帧的人脸图像、头部姿态参数和梅尔频谱作为训练样本；对人脸图像进行预处理，生成擦除嘴部后的面部图像；对人脸伪造生成模型进行训练，利用训练好的人脸伪造生成模型，生成针对特定音频下嘴部动作的伪造人脸图像。本发明在面部生成时采用了图像补全的技术，在只修改嘴部的前提下生成因人物表达内容不一致造成的嘴部差异。相较于传统的人脸伪造生成方法，本发明提供了唇形同步功能，在视频和音频结合上进行伪造生成，且不修改面部或背景的其余位置，能够达到更逼真的伪造效果。
-
公开(公告)号：CN119376882A
公开(公告)日：2025-01-28
申请号：CN202411443822.7
申请日：2024-10-16
Applicant: 浙江大学
IPC: G06F9/48 , G06F9/50 , G06F11/3668
Abstract: 本发明公开了一种覆盖率驱动的并行模糊测试任务动态调度方法和系统。方法包括：根据实时监控到的覆盖率增量自适应地调整任务分配的频率。通过预设的最小和最大周期限制，系统在覆盖率增长低于阈值时延长周期，减少资源消耗；在覆盖率增长超过阈值时缩短周期，加速新代码区域探索。阈值本身也支持动态调整，通过反馈回路持续监控覆盖率变化与任务分配周期的效果，实现阈值的实时微调，以适应不同阶段的覆盖难度。这种动态调整策略能有效应对模糊测试过程中的非均匀覆盖难度，确保测试过程既高效又持续推进。此设计不仅优化资源利用效率和测试进度以适应不同阶段的覆盖难度变化，也显著提升了并行模糊测试的效率和效果。
-
公开(公告)号：CN114972263B
公开(公告)日：2024-08-20
申请号：CN202210592724.4
申请日：2022-05-27
Applicant: 浙江大学
IPC: G06T7/00 , G06T7/62 , G06V10/25 , G06V10/26 , G06V10/764 , G06V10/766 , G06V10/774 , G06V10/82 , G06V20/69 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于图片分割的实时超声图像卵泡测量方法及系统，属于物体目标检测以及图像分割领域。首先，获取各类卵泡超声图像及其相关信息作为训练集，所述的相关信息包括图像比例尺信息、卵泡位置信息、卵泡轮廓信息；之后，根据各类卵泡超声图像及其相关信息训练智能学习器，所述的智能学习器自动学习关键卵泡特征，完成超声图像中的卵泡识别、卵泡位置识别及卵泡掩码结果；最后，利用并行检测器对待检测的卵泡超声图像进行多任务检测，根据检测结果得到卵泡统计学信息。本发明同时兼具了兼容性、通用性、稳定性以及可扩展性，能自动学习卵泡超声图像的特征，提高了卵泡图像识别精确度以及智能程度，提高实际应用中的诊断效率和准确率。
-
-
-
-
-
-
-
-
-
Search Results
74
records
(took 0.039 seconds)
