-
公开(公告)号：CN118363605A
公开(公告)日：2024-07-19
申请号：CN202410548390.X
申请日：2024-05-06
Applicant: 南京大学
IPC: G06F8/41 , G06F18/214 , G06N3/0464
Abstract: 本发明公开了一种注意力机制指导的深度代码模型对抗性代码生成方法，包括如下步骤：步骤1)利用验证集分析调试后模型的重要注意力头；步骤2)构建标识符替换的候选命名集合；步骤3)针对模型可以预测成功的代码片段，在注意力机制的指导下对可攻击位置排序；步骤4)顺次在具体的攻击位置尝试一系列语义等价转换；步骤5)基于模型输出确定是否保留当前变换，并不断进行迭代搜索，直至生成使模型预测发生变化的对抗性代码。本发明在注意力机制指导下，可以有针对性地选择攻击位置，同时本发明设计了一套完整的代码攻击方案，通过全面、系统的攻击，可以更好地发现模型预测存在的问题。
-
公开(公告)号：CN118295700A
公开(公告)日：2024-07-05
申请号：CN202410524640.6
申请日：2024-04-29
Applicant: 南京大学
Abstract: 本发明公开了一种基于语义重排序模型的代码注释生成模型增强方法，包括：步骤1)输入代码注释生成数据集，作为方法的输入；步骤2)设计一种基于多维度采样的微调数据集构造方法，完成微调数据集构造；步骤3)设计基于对比学习的语义重排序模型微调流程，对自然语言语义重排序模型进行微调；步骤4)结合信息检索系统的一般框架，设计了基于语义重排序模型的代码注释生成模型增强算法；步骤5)利用深度学习模型、信息检索技术获取候选注释结果；步骤6)获取相似度最高的候选注释作为结果输出。本方法降低了深度学习模型的代码注释生成方法的时间和算力成本，并且充分利用了现有已训练好模型的资源。
-
公开(公告)号：CN116701219A
公开(公告)日：2023-09-05
申请号：CN202310706645.6
申请日：2023-06-14
Applicant: 南京大学
Abstract: 本发明公开了一种面向学生程序的精准错误定位方法，包括：输入一个错误程序、正确程序和测试用例作为方法的输入；设计程序块划分标准，将错误程序和正确程序的代码划分成块并完成代码块对齐；设计程序变量对齐方法，完成错误程序和正确程序变量对齐；给定测试用例，运行待测程序，设计程序代码块规约的构建方法；对代码块进行数据依赖和控制依赖分析，设计代码块可疑性度量；对错误程序进行错误定位，得到可疑代码块。本方法的主要特点为可以为学生程序提供精准的错误定位，从而改进现有反馈生成技术，通过减少冗余修复的方式提高修复的质量。
-
公开(公告)号：CN113010741B
公开(公告)日：2023-09-05
申请号：CN202110339294.0
申请日：2021-03-30
Applicant: 南京大学
IPC: G06F16/83 , G06F16/903
Abstract: 本发明属于软件工程领域与计算机视觉领域，具体为一种基于草图的移动应用模型查询方法，预定义的草图模型语言为一组基于IFML设计的移动应用布局控件符号语言，且已经建立了一个按照IFML模型规则设计的多维数据融合软件资产库(AppRepo)；具体步骤为：用户在纸上根据预定义语言绘制的多UI跳转草图作为本发明的输入，经过预设的识别技术获得草图内静态UI与动态跳转信息；其次通过静态草图UI与库中UI的基本相似性计算结合T步相似性更新定位锚点后，将草图模型与库中模型进行相似度排名；最后模型相似度排名靠前的移动应用结果即为本方法的输出；本方法能有效地将一张多UI跳转草图匹配到一个移动应用的全部或局部。
-
公开(公告)号：CN115587043A
公开(公告)日：2023-01-10
申请号：CN202211354712.4
申请日：2022-11-01
Applicant: 南京大学
Abstract: 本发明公开了一种面向场景的移动应用模型融合方法，本方法主要由模型的构造，界面相似度的计算，跳转相似度的计算，模型的遍历与场景的泛化，模型的融合五部分组成，方法具体步骤为：用户提供探索移动应用得到的执行数据，将执行数据构造为应用执行路径模型，提取出功能场景信息；在构造好的模型上遍历，并且基于输入的功能场景路径信息寻找对应的匹配路径集合；遍历过程中使用界面相似度计算算法和跳转相似度计算算法进行匹配；最终将输入的两个执行路径模型进行合并，并且将匹配得到的功能场景路径信息标注到合并后的模型上；本方法用于支持开发人员和测试人员的下游任务，可以以较低的成本得到精确、信息更丰富的移动应用执行模型。
-
Patent Agency Ranking
公开(公告)号：CN113791781A
公开(公告)日：2021-12-14
申请号：CN202111056353.X
申请日：2021-09-09
Applicant: 南京大学
Abstract: 本发明公开了一种基于图神经网络的界面功能场景划分方法和装置。该方法中，首先对界面截图按控件进行着色，然后将着色后的界面截图输入至卷积神经网络中，得到界面特征信息，然后将场景特征和场景跳转关系输入至门控图神经网络中，进行分类得到界面的功能场景分类。本发明通过界面功能场景分类为软件开发和测试提供指导。
-
公开(公告)号：CN110175019B
公开(公告)日：2021-11-16
申请号：CN201910480184.9
申请日：2019-06-04
Applicant: 南京大学
IPC: G06F8/10
Abstract: 本发明公开了一种基于中断序列图的中断驱动系统验证方法，包括如下步骤，步骤1：基于中断序列图来建立中断驱动系统模型；步骤2：根据步骤1得到的中断序列图，将其中的交互片段划分为基本交互和复合交互片段；步骤3：将基本交互片段和复合交互片段依次转换成自动机；步骤4：将步骤3中得到的多个自动机组合成一个混成自动机；步骤5：提取中断序列图的约束，将约束添加到转换得到的自动机模型上；步骤6：提取中断序列图中的验证属性信息，将验证属性作为约束添加到转换得到的自动机模型上；步骤7：将自动机描述成自动机验证工具可接受的输入格式；步骤8：采用自动机验证工具进行验证。
-
公开(公告)号：CN106951305B
公开(公告)日：2020-07-31
申请号：CN201710180952.X
申请日：2017-03-24
Applicant: 南京大学
IPC: G06F8/40
Abstract: 本发明基于模型转换由QVT‑R代码生成midCore脚本的方法，步骤1对QVT‑R语言进行设计和裁剪；步骤2获取符合步骤1规则面向数据转换的QVT‑R代码；步骤3通过Xtext为QVT‑R语言建模，构建编辑器、解析器及语法分析树；步骤4利用Xtend根据步骤3匹配得到的语法分析树，解析QVT‑R代码语义，并生成对应的midCore语句；步骤5将步骤2获得的QVT‑R代码作为输入，转换引擎生成midCore脚本。本发明将描述数据转换的QVT‑R代码自动转换成midCore脚本，降低了使用midCore程序成本，减少了编写midCore代码缺陷，更直观描述数据变换逻辑，降低大数据处理难度和成本。
-
公开(公告)号：CN106843858B
公开(公告)日：2020-06-09
申请号：CN201611252903.4
申请日：2016-12-30
Applicant: 南京大学
IPC: G06F8/33 , G06F8/35 , G06F40/253 , G06F40/151 , G06F40/16
Abstract: 本发明公开了一种由转换原语生成Spark代码的方法，包括步骤：步骤10：设计表示数据模型变换的转换原语语法；步骤11：输入一个数据模型变换的原语文件，作为代码转换器的输入文件；步骤12：利用Xtext实现代码生成器的文法构造，完成转换原语的语法解析；步骤13：利用Xtend实现代码生成器的转换规则，建立转换原语与Spark代码之间的映射；步骤14：将模型变换的原语文件输入代码生成器；步骤15：得到输入、输出数据类和转换规则的Spark代码；本发明将一组描述数据转换的转换原语生成具有相同转换操作的Spark代码，降低数据平台开发人员使用Spark平台的复杂性，简化数据转换过程，降低基于Spark平台的大数据转换实现成本。
-
公开(公告)号：CN106873973B
公开(公告)日：2020-05-08
申请号：CN201611252798.4
申请日：2016-12-30
Applicant: 南京大学
IPC: G06F8/35
Abstract: 本发明公开了一种基于API文档的约束自动生成方法，包括如下步骤：首先输入一个URL；提取网页中类和函数的文字描述；对提取的句子进行一定的分析；然后使用NLP技术为每个句子生成一个树结构；识别树结构中的参数和结构生成树的中间表示形式；基于中间表示形式定义约束模板；最后遍历树结构自动生成相应的约束；本发明主要特点是通过API文档自动生成API函数的约束，方便程序员更好的理解API函数，并且能够弥补现有代码分析工具分析API函数的不足，使得代码分析工具能更好的分析源代码。
-
-
-
-
-
-
-
-
-
Search Results
122
records
(took 0.027 seconds)
