一种自动驾驶虚拟测试场景生成方法、系统及设备

    公开(公告)号:CN116127854A

    公开(公告)日:2023-05-16

    申请号:CN202310245307.7

    申请日:2023-03-15

    IPC分类号: G06F30/27 G06N5/04

    摘要: 本发明提供了一种自动驾驶虚拟测试场景生成方法、系统及设备。该方法包括:根据场景类型以及场景参数生成随机虚拟驾驶场景;在每个所述随机虚拟驾驶场景中进行仿真模拟驾驶,记录仿真驾驶结果;将随机虚拟驾驶场景作为样本,将仿真驾驶结果作为标签,训练机器学习模型,构建驾驶推理模型;利用对抗样本生成算法生成驾驶推理模型的对抗场景;在对抗场景中进行仿真模拟驾驶,验证对抗场景是否满足预期结果;若是,确对抗场景为关键测试场景,输出并保存对抗场景;关键测试场景为最终的自动驾驶虚拟测试场景;若否,重新生成驾驶推理模型的对抗场景,直至满足预期结果。本发明能够提高拟测试场景生成效率以及场景多样性。

    基于路径自适应的恶意软件检测方法、系统及设备

    公开(公告)号:CN117113350B

    公开(公告)日:2024-05-28

    申请号:CN202311162448.9

    申请日:2023-09-11

    摘要: 本发明公开一种基于路径自适应的恶意软件检测方法、系统及设备,涉及软件检测领域,该方法包括:对软件样本数据进行逆向编译后提取相关细粒度信息特征;该信息特征包括APP与API间的调用特征、API与API间的调用特征以及API与Permission的调用特征;基于以上相关细粒度信息特征构建异构图数据;基于异构图数据,采用强化学习从所述异构图数据中为每个样本提取出一个样本路径;采用训练集训练异构图嵌入模型,得到恶意软件检测模型;训练集中样本数据由各样本路径和各样本路径对应的软件类型构成;根据待检测的软件数据和恶意软件检测模型,得到待检测的软件数据对应的类型。本发明提高了检测精度的同时提高了检测速度。

    一种自动驾驶虚拟测试场景生成方法、系统及设备

    公开(公告)号:CN116127854B

    公开(公告)日:2024-01-09

    申请号:CN202310245307.7

    申请日:2023-03-15

    IPC分类号: G06F30/27 G06N5/04

    摘要: 本发明提供了一种自动驾驶虚拟测试场景生成方法、系统及设备。该方法包括:根据场景类型以及场景参数生成随机虚拟驾驶场景;在每个所述随机虚拟驾驶场景中进行仿真模拟驾驶,记录仿真驾驶结果;将随机虚拟驾驶场景作为样本,将仿真驾驶结果作为标签,训练机器学习模型,构建驾驶推理模型;利用对抗样本生成算法生成驾驶推理模型的对抗场景;在对抗场景中进行仿真模拟驾驶,验证对抗场景是否满足预期结果;若是,确对抗场景为关键测试场景,输出并保存对抗场景;关键测试场景为最终的自动驾驶虚拟测试场景;若否,重新生成驾驶推理模型的对抗场景,直至满足预期结果。本发明能够提高拟测试场景生成效率以及场景多样性。

    基于路径自适应的恶意软件检测方法、系统及设备

    公开(公告)号:CN117113350A

    公开(公告)日:2023-11-24

    申请号:CN202311162448.9

    申请日:2023-09-11

    摘要: 本发明公开一种基于路径自适应的恶意软件检测方法、系统及设备,涉及软件检测领域,该方法包括:对软件样本数据进行逆向编译后提取相关细粒度信息特征;该信息特征包括APP与API间的调用特征、API与API间的调用特征以及API与Permission的调用特征;基于以上相关细粒度信息特征构建异构图数据;基于异构图数据,采用强化学习从所述异构图数据中为每个样本提取出一个样本路径;采用训练集训练异构图嵌入模型,得到恶意软件检测模型;训练集中样本数据由各样本路径和各样本路径对应的软件类型构成;根据待检测的软件数据和恶意软件检测模型,得到待检测的软件数据对应的类型。本发明提高了检测精度的同时提高了检测速度。

    一种Python代码自动生成方法及系统

    公开(公告)号:CN116400901A

    公开(公告)日:2023-07-07

    申请号:CN202310382529.3

    申请日:2023-04-12

    摘要: 本发明公开一种Python代码自动生成方法及系统,涉及代码生成领域,该方法包括从测试数据库中获取代码的自然语言描述;获取代码的自然语言描述对应的代码的NLP特征;将代码的自然语言描述转化为Action序列特征;并根据Action特征确定AST表征向量;对代码的NLP特征、Action序列特征以及AST表征向量进行特征融合;利用特征向量进行检索确定样本自然语言描述;并将样本自然语言描述、代码的自然语言描述以及对应的代码作为样本数据集中样本;利用样本数据集训练深度学习PLBART模型;根据待生成的代码的自然语言描述,采用代码生成模型,生成Python代码。本发明可准确自动生成有效的代码。

    一种自动化挖掘车载信息娱乐系统漏洞的方法及系统

    公开(公告)号:CN116996254B

    公开(公告)日:2024-07-30

    申请号:CN202310749684.4

    申请日:2023-06-25

    IPC分类号: H04L9/40

    摘要: 本发明公开一种自动化挖掘车载信息娱乐系统漏洞的方法及系统,涉及网络安全技术领域,先获取在点击车载信息娱乐系统的每一图标时所产生的系统界面的系统界面图片,每一图标对应一系统界面图片。然后对于每一系统界面图片,对系统界面图片进行文字识别,得到系统界面图片对应的文本,并通过正则匹配从文本中提取得到检测用字段,检测用字段包括IP地址、URL地址、端口和服务。最后基于检测用字段对车载信息娱乐系统进行漏洞检测,得到车载信息娱乐系统的未授权访问漏洞,从而可自动化挖掘车载信息娱乐系统的未授权访问漏洞,后续即可从源头上减少信息收集的可能,抑制直接威胁汽车安全的高危漏洞产生。

    一种Python代码自动生成方法及系统

    公开(公告)号:CN116400901B

    公开(公告)日:2024-06-11

    申请号:CN202310382529.3

    申请日:2023-04-12

    摘要: 本发明公开一种Python代码自动生成方法及系统,涉及代码生成领域,该方法包括从测试数据库中获取代码的自然语言描述;获取代码的自然语言描述对应的代码的NLP特征;将代码的自然语言描述转化为Action序列特征;并根据Action特征确定AST表征向量;对代码的NLP特征、Action序列特征以及AST表征向量进行特征融合;利用特征向量进行检索确定样本自然语言描述;并将样本自然语言描述、代码的自然语言描述以及对应的代码作为样本数据集中样本;利用样本数据集训练深度学习PLBART模型;根据待生成的代码的自然语言描述,采用代码生成模型,生成Python代码。本发明可准确自动生成有效的代码。

    一种自动化挖掘车载信息娱乐系统漏洞的方法及系统

    公开(公告)号:CN116996254A

    公开(公告)日:2023-11-03

    申请号:CN202310749684.4

    申请日:2023-06-25

    IPC分类号: H04L9/40

    摘要: 本发明公开一种自动化挖掘车载信息娱乐系统漏洞的方法及系统,涉及网络安全技术领域,先获取在点击车载信息娱乐系统的每一图标时所产生的系统界面的系统界面图片,每一图标对应一系统界面图片。然后对于每一系统界面图片,对系统界面图片进行文字识别,得到系统界面图片对应的文本,并通过正则匹配从文本中提取得到检测用字段,检测用字段包括IP地址、URL地址、端口和服务。最后基于检测用字段对车载信息娱乐系统进行漏洞检测,得到车载信息娱乐系统的未授权访问漏洞,从而可自动化挖掘车载信息娱乐系统的未授权访问漏洞,后续即可从源头上减少信息收集的可能,抑制直接威胁汽车安全的高危漏洞产生。