-
公开(公告)号：CN110633204B
公开(公告)日：2020-05-05
申请号：CN201910450219.4
申请日：2019-05-28
申请人： 清华大学
IPC分类号： G06F11/36
摘要： 本发明实施例提供一种程序缺陷检测方法及装置，获取待检测程序的潜在缺陷；根据所述潜在缺陷的缺陷类型和缺陷位置，获取第一断言表达式，并将所述第一断言表达式插入到所述待检测程序的相应位置，得到第二断言表达式；对所述第二断言表达式进行验证，若验证结果满足预设条件，则判断获知所述潜在缺陷是真实程序缺陷。本发明实施例根据待检测程序中潜在缺陷的缺陷类型和缺陷位置，在待检测程序的相应位置插入断言表达式，从而更加快速的确定待检测程序中的真实程序缺陷，提高缺陷定位的准确性。
-
公开(公告)号：CN108491228B
公开(公告)日：2020-03-17
申请号：CN201810267094.7
申请日：2018-03-28
申请人： 清华大学
IPC分类号： G06F8/75
摘要： 本发明提供一种二进制漏洞代码克隆检测方法及系统，其中方法包括：提取待检测二进制代码中的第一函数的函数特征和二进制漏洞代码中的第二函数的函数特征，函数特征包括基本块信息、控制流信息和函数调用信息；将第一函数的函数特征和第二函数的函数特征分别输入预设神经网络，利用预设神经网络计算第一函数和第二函数的相似度；当相似度达到预设阈值时，确定待检测二进制代码中存在二进制漏洞代码的克隆代码。该方法及系统解决了现有代码克隆检测方法所存在的克隆类型检测不全面、准确度低、复杂度高且不易于实现等问题，确保了克隆类型检测的全面性和检测结果的准确性，同时有效提升了检测效率。
-
公开(公告)号：CN110580222A
公开(公告)日：2019-12-17
申请号：CN201910806802.4
申请日：2019-08-29
申请人： 清华大学
摘要： 本发明实施例提供一种软件测试用例生成方法及系统，所提供的方法包括：获取待测试安装包，将所述测试安装包安装在安卓设备中，获取所述测试安装包对应的应用程序在任一页面的历史状态信息；根据所述历史状态信息，生成所述历史状态信息对应的特定类型的事件并将所述事件发送至安卓设备执行；执行所述事件，获取所述事件的执行结果。本发明实施例提供的方法及系统，以安卓应用执行过程中的历史状态信息，通过随机方式生成事件，在生成UI事件的同时兼顾系统事件，最终生成更有价值的测试用例。
-
公开(公告)号：CN110544113A
公开(公告)日：2019-12-06
申请号：CN201910749662.1
申请日：2019-08-14
申请人： 清华大学
摘要： 本发明提供一种基于智能合约的交易中燃油费的输入确定方法及装置，方法包括：根据智能合约中函数的执行过程，生成控制流图；将函数每一种预先确定的参数值作为进行燃油费输入确定的种子输入函数，根据函数在执行过程中各节点消耗的实际燃油费，从种子中选择目标种子，并根据每个节点消耗的实际燃油费对各节点的权重进行更新；对目标种子进行变异，将变异后的目标种子作为下一次进行燃油费输入确定的种子，直到达到预设终止条件；将最后一次更新的各节点的权重之和作为基于智能合约的交易中燃油费的输入。本发明可以快速找到产生较高燃油费的输入，促使智能合约的函数消耗较高的燃油费。
-
公开(公告)号：CN110287702A
公开(公告)日：2019-09-27
申请号：CN201910457312.8
申请日：2019-05-29
申请人： 清华大学
IPC分类号： G06F21/57
摘要： 本发明实施例提供一种二进制漏洞克隆检测方法及装置，该方法包括获取漏洞数据库信息和待测目标二进制信息，根据所述漏洞数据库信息与待测目标二进制信息生成带标签语义流图集；根据所述带标签语义流图集和预设深度神经网络模型进行分析处理，得到目标相似性结果信息，根据所述目标相似性结果信息确定语义仿真输入信息；根据所述语义仿真输入信息进行语义仿真，得到语义仿真输出结果，根据所述语义仿真输出结果确定可疑漏洞。通过进行检测的过程无需获得源代码，具有普遍适用性；通过深度学习与语义仿真两阶段实现漏洞的相似性预测，确保了跨平台的漏洞检测结果的准确性，同时有效提升了检测效率。
-
公开(公告)号：CN109190379A
公开(公告)日：2019-01-11
申请号：CN201810878887.2
申请日：2018-08-03
申请人： 清华大学
摘要： 本发明实施例提供一种深度学习系统的漏洞检测方法和装置，其中方法包括：以最大化神经元覆盖率为导向，从待测深度学习系统中选取并激活若干个神经元；基于若干个神经元的张量表达式，以及待测深度学习系统的预测差的张量表达式，构建优化函数，并通过最大化优化函数获取若干个扰动；若所述若干个扰动中任一扰动满足预设条件，则基于该扰动获取检测样本，通过检测样本对待测深度学习系统的漏洞进行检测。本发明实施例提供的方法和装置，能够有效提升神经元覆盖率，使得检测过程更加完备，并且只需要一个深度学习系统，使得漏洞检测方法的应用场景更为广泛，此外，能够生成大量样本，提高了待测深度学习系统漏洞的检测效率。
-
公开(公告)号：CN107885587B
公开(公告)日：2018-12-07
申请号：CN201711148535.3
申请日：2017-11-17
申请人： 清华大学
摘要： 本发明提供一种大数据分析流程的执行计划生成方法，所述方法根据每个分析任务生成了可执行的任务实例，然后根据任务实例中保存的依赖关系，建立有向无环图，按照依赖关系遍历依赖任务序列，并执行依赖实例，所述依赖实例为依赖任务的任务实例，所述依赖任务为所述依赖任务序列中与所述分析任务相依赖的其他分析任务，然后执行所述任务实例，生成任务结果文件。本发明提供的大数据分析流程的执行计划生成方法，根据大数据分析流程中分析任务具有数据传递关系的特点，以规则的形式强化了分析任务之间在数据上的关联关系，提高了大数据分析的效率，降低了大数据分析对技术人员技能的要求，避免将数据透露给大数据分析提供商，降低了安全风险。
-
公开(公告)号：CN107357970A
公开(公告)日：2017-11-17
申请号：CN201710484871.9
申请日：2017-06-23
申请人： 清华大学
摘要： 本发明公开了一种基于数据挖掘的建筑信息模型异常元素检测装置，包括：知识图谱模块，空间元素聚类模块、构件元素聚类模块、异常空间元素检测模块、异常构件元素检测模块和用户界面模块。同时本发明还公开了一种基于数据挖掘的建筑信息模型异常元素检测装置的检测方法，本发明所述基于数据挖掘的建筑模型异常元素检测装置，提供了建筑模型知识图谱构建、建筑模型空间和构件元素聚类分析、建筑模型异常元素检测等一系列功能，相较于现有基于领域知识或标准规范的模型检查方法，本装置可以检测出领域知识或规范约束之外的异常元素信息。
-
公开(公告)号：CN106844621A
公开(公告)日：2017-06-13
申请号：CN201710039058.0
申请日：2017-01-18
申请人： 清华大学 , 中车信息技术有限公司 , 中车大连机车研究所有限公司
摘要： 本发明涉及一种轨道机车节能操纵实时优化控制策略库构建方法，具体包括以下步骤：步骤1、数据的收集与预处理，得到标准的数据集，为后续的步骤准备数据的输入；步骤2、利用数据挖掘算法结合数据预处理结果对机车操纵日志数据进行大规模的搜索与挖掘，最终将子操作序列集合处理为一种结构化的表征形式，并存储在文本文件中；步骤3、将不同坡段类型下的频繁子操作序列集合作为基础的策略库，并将最终得到的优化策略库处理为一种结构化的表征形式，存储在文本文件中；步骤4、根据机车的状态参数，通过策略的优化运算执行策略，最终生成整条线路的优化操纵序列。该方法提高了策略设计与生成的效率，并可以进行更加节油的驾驶模式的学习。
-
-
-
-
-
-
-
-
-
搜索结果
132 条记录 (耗时 0.055 秒)
