-
公开(公告)号：CN118012768A
公开(公告)日：2024-05-10
申请号：CN202410222256.0
申请日：2024-02-28
Applicant: 北京轩宇信息技术有限公司
IPC: G06F11/36
Abstract: 一种智能软件一体化测试方法，涉及一种安全攸关智能软件的评测技术，覆盖了智能软件的数据集、学习程序以及智能模型等软件制品，评测的内容包括训练数据集的质量、学习程序的质量、算法的正确性、算法鲁棒性、模型不确定性以及测试充分性，最后可以对智能软件的质量进行综合评价，能够解决现有测试方法系统性不足的问题，一体化评测的自动化程度高，克服了当前相关评测系统功能单一、评测不充分的困难。
-
公开(公告)号：CN117873855A
公开(公告)日：2024-04-12
申请号：CN202310787872.6
申请日：2023-06-30
Applicant: 北京轩宇信息技术有限公司
Abstract: 本发明公开了一种基于深度神经网络软件的可配置获取覆盖率方法及装置，方法包括步骤一，配置模型参数；步骤二，配置数据集参数；步骤三，配置覆盖率准则和参数；步骤四，执行深度神经网络测试；步骤五，提取覆盖率信息文件；装置包括配置模型参数模块、配置数据集参数模块、配置覆盖率准则和参数模块和生成覆盖率报告模块，本发明通过脚本配置模型参数、数据集参数、深度神经网络覆盖率准则和参数，来执行深度神经网络测试，计算和更新各种可配置的覆盖率，提取覆盖率信息文件，合并生成覆盖率报告，提供了切实可行的深度神经网络软件的可配置覆盖率方法，解决了航天智能软件缺乏有效覆盖率评估标准的问题。
-
公开(公告)号：CN117827635A
公开(公告)日：2024-04-05
申请号：CN202310787735.2
申请日：2023-06-30
Applicant: 北京轩宇信息技术有限公司
Abstract: 本发明公开了基于深度神经网路软件的自适应覆盖率方法及装置，方法包括：步骤一：解析导入深度学习框架导入库，根据规则自适应选择深度学习框架模板；步骤二：根据框架模板解析加载测试数据集和深度学习模型后，插桩神经元输出列表、神经元覆盖列表、激活神经元数、神经元总数、神经元阈值初始化语句；步骤三：解析循环测试数据过程中，插桩更新覆盖率函数；步骤四：解析循环测试数据结束后，插桩打印输出神经元覆盖率语句；本发明通过规则自适应选择深度学习框架模板，插桩神经元覆盖率初始化语句和函数以及神经元覆盖率统计输出语句，解决了航天智能软件配置项采用多深度学习框架评估覆盖的测试不充分问题。
-
公开(公告)号：CN110377496B
公开(公告)日：2023-06-06
申请号：CN201910351255.5
申请日：2019-04-28
Applicant: 北京轩宇信息技术有限公司
IPC: G06F11/36
Abstract: 本发明公开了一种软件回归测试过程中基于智能水滴的测试用例优先级确定方法，该方法包括：确定影响测试用例优先级的因素；根据测试用例发现的缺陷的严重性确定测试用例的重要程度；根据测试用例的重要程度建立测试用例节点选择规则；根据测试用例可以发现的缺陷数量、测试用例的执行时间，建立智能水滴速度更新规则；建立用例选择路径泥土量更新规则；所有智能水滴迭代完成后，确定所有智能水滴中的测试用例优先级排序。本发明充分考虑了影响测试用例优先级的因素，解决了考虑用例因素单一和未将这些因素融入到算法设计的问题，并根据智能水滴算法对回归测试用例执行的优先级进行排序，提高了回归测试的有效性和快速性。
-
公开(公告)号：CN111159022B
公开(公告)日：2023-05-02
申请号：CN201911329257.0
申请日：2019-12-20
Applicant: 北京轩宇信息技术有限公司
IPC: G06F11/36
Abstract: 本发明实施例提供了一种基于单变量访问序模式的中断数据访问冲突检测方法及装置。所述方法包括：获取多个源文件；对每个所述源文件的函数进行可达访问分析，生成每个所述源文件的可达访问图；使用所述多个源文件的函数调用关系和各所述源文件的函数摘要，更新各所述可达访问图；遍历各更新后的可达访问图，匹配单变量访问序模式，得到中断数据访问冲突检测结果。本发明实施例对单文件进行独立分析，避免了跨文件的分析时在不同文件交替分析，减小了内存占用的峰值，可适用于大规模程序。
-
Patent Agency Ranking
公开(公告)号：CN111176994B
公开(公告)日：2023-03-31
申请号：CN201911349540.X
申请日：2019-12-24
Applicant: 北京轩宇信息技术有限公司
IPC: G06F11/36
Abstract: 本发明实施例提供了一种针对嵌入式软件IO端口的单元测试用例生成方法及装置。所述方法包括：对待测试程序进行静态分析，获取所述待测试程序中的关键数据；启动基于解释器的符号执行引擎；在所述解释器中建立一个IO区域查询表和分配一段IO专用内存区域；采用所述符号执行引擎根据所述IO区域查询表、所述IO专用内存区域、IO端口输入映射到IO专用内存和所述关键数据，确定所述待测试程序对应的测试用例。本发明实施例能够自动识别IO端口，无需人工配置，生成用例效率提升，且解决了IO端口地址作为输入时生成的用例覆盖率低的问题。
-
公开(公告)号：CN115858374A
公开(公告)日：2023-03-28
申请号：CN202211636295.2
申请日：2022-12-19
Applicant: 北京轩宇信息技术有限公司
IPC: G06F11/36
Abstract: 本发明公开了针对大规模静态缺陷检测的指针分析方法，包括以下步骤：步骤一，解析被分析工程的源代码；步骤二，构造控制流图；步骤三，构造函数调用图；步骤四，对调用图进行拓扑排序；步骤五，执行符号化的局部指针分析；步骤六，完成全程序的指针分析；步骤七，提供指向信息；所述步骤一中，标准化后的程序中，每条语句最多只有一个副作用，即函数调用或赋值操作；相较于现有的全程序指针分析方法，本发明所采用的模块化分析方法在分析大规模项目时，既能保证精度，又能显著降低开销，该方法通过在程序的语法树层面执行模块化的局部指针分析，得到的指针关系易于理解，且方便缺陷检测框架进行调试定位。
-
公开(公告)号：CN115658508A
公开(公告)日：2023-01-31
申请号：CN202211323819.2
申请日：2022-10-28
Applicant: 北京轩宇信息技术有限公司
Abstract: 本发明公开了提升源代码静态分析工具鲁棒性的方法，包括以下步骤：步骤一，设计鲁棒性编译前端；步骤二，设计语法转译器；步骤三，提升原分析工具的鲁棒性；步骤四，添加零配置；所述步骤1.2中，词法解析模块预留了nextToken接口可供子类实现；本发明通过实现鲁棒性编译前端生成AST，并将该AST转译成原分析工具的AST，复用已有分析工具的代码分析能力，该编译前端内置了可扩展的预处理模块，拥有较强的编译错误恢复能力，较强的可扩展性，能够保证在复用已有代码资产的前提下，提高分析工具的鲁棒性，在被测软件不完整配置的分析条件下，仍能给出准确的分析结果，降低了静态分析工具使用者的门槛，提升工具的用户体验。
-
公开(公告)号：CN109491922B
公开(公告)日：2021-12-07
申请号：CN201811522286.4
申请日：2018-12-13
Applicant: 北京轩宇信息技术有限公司
IPC: G06F11/36
Abstract: 本发明公开了一种基于模型驱动的测试方法和装置，该方法包括：确定各可测试项；为各所述可测试项定义测试组成；依据所述测试组成以及预设的接口模型、测试模型与被测系统三者之间的关系，生成测试模型；将所述测试模型与测试脚本进行关联，生成测试用例；调用所述测试用例对待测试数据进行测试，生成测试报告。本发明通过维护测试模型来间接管理测试用例，测试需求的变更会影响测试模型的更新，测试模型的更新会自动生成新的测试用例，因此，测试模型的可复用性高，测试用例的可维护性强。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.061 seconds)
