-
公开(公告)号：CN115080982A
公开(公告)日：2022-09-20
申请号：CN202210729780.8
申请日：2022-06-24
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种针对漏洞检测模型的组合对抗攻击方法，首先使用本发明中提出的4种代码扰动方法对程序骨架中可修改的语句进行扰动，生成大量语义相似的候选样本。其次，利用生成的候选样本初始化遗传算法的种群规模和成员，然后，根据不同的扰动方法设计变异算子，并对种群成员进行选择、交叉和变异操作生成新的种群；最后，判断每次迭代生成的新种群中是否存在适应度大于一定阈值的成员，如果存在，则表示成功获得对抗样本。根据本发明提出的多种代码扰动方法，可实现对各种语法要素执行语义保持的程序等价变换，从而提高生成的对抗样本质量。通过将遗传搜索策略与多种代码扰动方法相结合，能够提高对代码漏洞检测模型的攻击成功率和攻击效率。
-
公开(公告)号：CN115063352A
公开(公告)日：2022-09-16
申请号：CN202210569783.X
申请日：2022-05-24
Applicant: 哈尔滨工业大学
Abstract: 本发明是一种基于多图神经网络协同学习架构的显著性物体检测装置及方法。本发明涉及计算机视觉技术领域，确定显著性边缘特征与显著性区域特征，将显著性边缘特征与显著性区域特征分别通过图投影操作转化为边缘图节点与区域图节点；进行初始图交互，实现图间信息的传递；将交互之后的送入动态信息增强图卷积层，完成图节点信息的充分挖掘；将经过动态信息增强图卷积层处理之后的边缘图节点与区域图节点送入注意力感知融合模块，完成两种特征的互补融合，为显著性边缘特征与显著性区域特征的学习过程提供互补线索。本发明提升显著性物体检测性能，弥补传统卷积神经网络的关系学习能力不足的问题。
-
公开(公告)号：CN114816517A
公开(公告)日：2022-07-29
申请号：CN202210488430.7
申请日：2022-05-06
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种层次语义感知的代码表示学习方法，所述方法针对给定的源代码，首先利用程序分析技术构建程序的有向无环语义图，然后抽取语义图中的语法子树信息，并利用Tree‑LSTM模型学习程序中每条语句的局部语义向量表示，最后基于语句的局部语义向量表示，利用Graph‑LSTM模型学习代码的结构和顺序语义信息。本发明首次提出适用于程序结构语义编码的基于图的LSTM模型Graph‑LSTM，并提出一种能够将源代码序列信息融入到代码表示学习过程中的新框架，提高了模型的特征表示能力。
-
公开(公告)号：CN111723021A
公开(公告)日：2020-09-29
申请号：CN202010728693.1
申请日：2020-07-23
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于知识库和表示学习的缺陷报告自动分派方法，所述方法利用知识库和表示学习技术，首先从缺陷报告仓库中提取结构化信息和文本信息，从而构建知识库。然后将知识库中的实体和关系以及文本描述初始化为相同维度的低维连续的实值向量。再利用改进的表示学习模型PTITransE学习实体和关系的向量表示。最后，基于实体和关系的向量表示，使用链接预测技术，为新提交的缺陷报告推荐合适的修复者。本发明首次将知识库和表示学习应用到缺陷分派领域，并提出一种新的表示学习模型以充分利用缺陷报告的文本和结构化信息，提高了缺陷分派的准确率。
-
公开(公告)号：CN106874074A
公开(公告)日：2017-06-20
申请号：CN201611218952.6
申请日：2016-12-26
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于软件事务内存的并发缺陷规避系统及方法，所述系统由事务自动划分模块、可回滚内存模块、可回滚I/O模块、条件变量处理模块和加锁解锁处理模块5个模块构成，所述方法为：一、实现对目标程序的自动事务划分；二、实现内存事务化；三、实现执行流的可回滚化；四、实现I/O事务化；五、实现对死锁、数据竞争、原子性违背和顺序违背的有效规避。本发明能够自动事务化C/C++多线程程序、合理处理条件变量、支持普通文件和字符文件在系统层面、C语言层面和C++语言层面的事务化I/O和消除包括死锁、数据竞争、原子性违背和顺序违背在内的多种并发缺陷。
-
Patent Agency Ranking
公开(公告)号：CN103198016B
公开(公告)日：2016-08-03
申请号：CN201310099997.6
申请日：2013-03-26
Applicant: 哈尔滨工业大学
IPC: G06F11/36
Abstract: 基于联合依赖概率建模的软件错误定位方法，本发明涉及计算机程序分析领域。本发明是要解决传统的软件错误定位方法定位精度低的问题，而提供了基于联合依赖概率建模的软件错误定位方法。步骤1：分别执行正确测试用例和错误测试用例，并分别对正确测试用例和错误测试用例建立联合依赖概率模型；步骤2：在步骤1的基础上，根据联合依赖概率模型，计算每个节点的可疑度；步骤3：将错误定位信息按可疑度进行降序排列，可疑度高的节点认定为更有可能出错的节点，即完成了对基于联合依赖概率建模的软件的错误进行定位。本发明应用于计算机程序分析领域。
-
公开(公告)号：CN103020494B
公开(公告)日：2015-06-24
申请号：CN201210508663.5
申请日：2012-12-03
Applicant: 哈尔滨工业大学
IPC: G06F21/12
Abstract: 一种利用程序代码编程模式著作权归属检测模型检测著作权归属的方法，它涉及一种编程模式的程序代码著作权归属检测方法。本发明的目的是要解决现在的程序代码雷同检测方法和工具存在不能有效提取大规模程序集合中的编程模式，以及不考虑每个作者的历史数据，无法判定程序代码的著作权归属的问题。著作权归属检测方法：以待确认著作权归属的程序代码作为程序代码的编程模式的查询程序代码输入，即可得到著作权归属度列表。本发明主要提供一种著作权归属的检测方法。
-
公开(公告)号：CN103136103A
公开(公告)日：2013-06-05
申请号：CN201310099877.6
申请日：2013-03-26
Applicant: 哈尔滨工业大学
IPC: G06F11/36
Abstract: 一种面向错误定位需求的测试用例约简方法，涉及一种面向错误定位需求的测试用例约简方法，属于软件动态测试领域，解决为软件错误自动定位提供有效的测试用例，进而提高错误定位精度的问题。包括如下步骤：用于数据预处理的步骤；基于语句覆盖向量和错误定位需求向量的用于测试用例约简的步骤；基于执行路径信息的用于测试用例约简的步骤；得到约简后的测试用例集。本发明可以为C，Java程序提供有效的测试用例，以提高错误定位的精度。
-
公开(公告)号：CN119377088A
公开(公告)日：2025-01-28
申请号：CN202411502946.8
申请日：2024-10-25
Applicant: 哈尔滨工业大学
IPC: G06F11/3604 , G06F8/10 , G06F40/205 , G06F40/211 , G06F40/226
Abstract: 本发明公开了一种基于大语言模型的SysML状态机图功能性需求的静态对齐验证方法，所述方法包括如下步骤：步骤S1：对需求文本进行统一化表示，基于需求语句在结构上的相似性，对所有基础需求进行系统分类；步骤S2：基于LTP大语言模型对已经处理好的需求文本进行解析；步骤S3：解析SysML图，对SysML图中元素及其转换关系进行系统分析；步骤S4：针对不同句型和需求类型，验证SysML状态机图与其对应需求文本的一致性。本发明的方法不仅通过文本解析和图形元素提取实现了需求与状态机图的对齐，还提供了对需求文本分类、条件筛选和双向转换检查等多种功能，确保了系统功能需求的准确验证。
-
公开(公告)号：CN115859307B
公开(公告)日：2024-11-22
申请号：CN202211678532.1
申请日：2022-12-26
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于树型注意力和加权图匹配的相似漏洞检测方法，首先，分别为目标函数、漏洞函数和补丁函数生成FCG、vSCG、pSCG。其次，利用语句节点嵌入网络分别提取FCG、vSCG和pSCG语句节点的语义和语法信息。接着，利用图神经网络和加权图匹配方法构成的图匹配模型，学习并计算FCG和vSCG之间以及FCG和pSCG之间的相似度，然后利用计算的三元组损失函数调整网络参数，训练检测模型。最后，利用训练好的模型检测软件中的相似漏洞。本发明可以在捕获代码中与漏洞相关的语法和语义特征的同时，有效利用补丁信息区分仅有细微差异的漏洞和补丁函数，从而提高相似漏洞检测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
83
records
(took 0.255 seconds)
