-
公开(公告)号：CN112269732A
公开(公告)日：2021-01-26
申请号：CN202011097889.1
申请日：2020-10-14
Applicant: 北京轩宇信息技术有限公司
Abstract: 本发明公开了一种软件缺陷预测特征的选择方法及装置。所述方法包括：根据历史软件缺陷数据库，获取领域缺陷数据集；基于Bootstrap抽样技术对所述领域缺陷数据集进行抽样处理，生成软件缺陷样本集；基于所述软件缺陷样本集和马尔科夫毯模型，对原始特征进行分组，得到多个特征组；根据预先设计的启发式特征选择策略，从所述多个特征组中筛选出初始特征，得到筛选的候选特征序列；基于遗传算法从所述候选特征序列中搜索出目标特征子集。本发明能够更有效地提高软件缺陷预测准确性。
-
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：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：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。
-
Patent Agency Ranking
公开(公告)号：CN111221532A
公开(公告)日：2020-06-02
申请号：CN201911339885.7
申请日：2019-12-23
Applicant: 北京轩宇信息技术有限公司
Abstract: 本发明实施例提供了一种动态链接库的生成方法及装置。所述方法包括：根据仿真嵌入式项目中的协议，获取协议配置信息；基于所述协议配置信息，生成协议代码；对所述协议代码进行编译，生成用于进行数据通信协议处理的动态链接库。本发明实施例可以将共通性较好的数据存储功能、数据生成功能、数据模型对接功能、第三方软件数据支持功能封装成通用的动态库；将功能独立、处理复杂、影响虚拟系统运行效率的数据功能也封装成独立的通用动态库并启用独立线程进行逻辑处理。
-
公开(公告)号：CN111124723A
公开(公告)日：2020-05-08
申请号：CN201911067304.9
申请日：2019-11-04
Applicant: 北京轩宇信息技术有限公司
IPC: G06F11/07
Abstract: 本发明公开了一种基于干扰变量的中断驱动型程序整数溢出模型检测方法，该方法包括：对待处理程序进行解析，得到干扰变量集合；根据干扰变量集合中的干扰变量信息，对中断函数进行抽象处理，得到中断函数摘要；在主程序中插入中断函数摘要，得到顺序化后的程序；获得顺序化程序的静态单赋值形式SSA，并进行程序模型状态空间约简处理，得到约简后的程序；使用有界模型检测工具CBMC，对约简后的程序进行整数溢出检测。本发明在保证整数溢出问题检出率的前提下，不仅能够提高分析效率，还使得已有的模型检测技术能够适用于中断驱动型程序整数溢出检测。
-
公开(公告)号：CN109783954A
公开(公告)日：2019-05-21
申请号：CN201910060694.0
申请日：2019-01-23
Applicant: 北京轩宇信息技术有限公司
IPC: G06F17/50
Abstract: 本发明提供了一种IES联合FPGA硬件仿真加速系统，该系统包括IES仿真模块、软硬件通信模块和FPGA硬件加速模块。IES仿真模块，按照预设的仿真时钟频率，循环提取预设时间段内被测FPGA设计的并行激励数据，将其发送到FPGA硬件加速模块；从FPGA硬件加速模块中循环提取被测FPGA设计的测试数据，按照相应的时序转换为被测FPGA设计仿真结果并显示；FPGA硬件加速模块，接收并行激励数据并存储至输入缓冲区中；产生测试激励时钟和被测FPGA设计各时钟域工作时钟，驱动输入缓冲区输出并行激励数据至被测FPGA设计；在并行激励数据的作用下，被测FPGA设计输出测试数据至输出缓冲区中。本发明降低了仿真环境的运行负担，提高了FPGA仿真的速度。
-
公开(公告)号：CN109491922A
公开(公告)日：2019-03-19
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：CN112380132B
公开(公告)日：2024-03-29
申请号：CN202011314574.8
申请日：2020-11-20
Applicant: 北京轩宇信息技术有限公司
IPC: G06F11/36 , G06F18/214 , G06N20/20
Abstract: 本发明实施例公开了一种基于航天软件缺陷数据集类不平衡的对抗验证方法及装置。所述方法包括：获取航天嵌入式软件对应的缺陷数据训练集和缺陷数据测试集；合并所述缺陷数据训练集和所述缺陷数据测试集，生成合并数据集；基于集成学习方法对所述合并数据集中的缺陷数据样本进行预测，确定所述缺陷数据样本对应的预测概率；根据所述预测概率，对所述合并数据集中的缺陷数据样本进行升序排序，并从所述缺陷数据样本中筛选出设定比例的缺陷数据样本，得到所述航天嵌入式软件对应的验证数据样本。本发明实施例提供了切实可行的缺陷数据集的对抗验证方法，能够解决航天嵌入式软件缺陷预测工程实践测试集与训练集分布不一致的问题。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.034 seconds)
