公开(公告)号：CN118233947A

公开(公告)日：2024-06-21

申请号：CN202410103288.9

申请日：2024-01-25

Applicant: 南京大学

Inventor： 王豫 ,  徐安孜 ,  王林章

IPC: H04W24/06 ,  H04W4/40 ,  H04W4/80

Abstract: 本发明公开一种基于仿真环境的车载蓝牙软件协议栈模糊测试方法，该方法包括：获取蓝牙协议规范文档，从中自动提取出蓝牙协议数据包格式信息，构建蓝牙协议数据规约模型；获取被测蓝牙软件协议栈二进制代码，构建运行所需的仿真环境，基于仿真环境，通过动态污点分析，得到被测蓝牙协议栈所接收的数据包类型；结合上述步骤构建的蓝牙协议数据规约模型与提取的被测蓝牙协议栈特征信息，以数据包的“请求‑应答对”作为反馈信息，同时利用动态污点追踪发掘其中的数据包关联信息，制导生成符合条件的数据包序列并执行。本发明通过动态污点追踪提取被测试蓝牙软件协议栈特征信息提升测试效率，同时通过构建仿真测试环境实现摆脱硬件依赖的模糊测试。

公开(公告)号：CN116451242A

公开(公告)日：2023-07-18

申请号：CN202310462445.0

申请日：2023-04-26

Applicant: 南京大学

Inventor： 王豫 ,  徐安孜 ,  王林章

IPC: G06F21/57 ,  G06F8/75 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明公开一种机器学习制导的自动驾驶车载激光雷达固件模糊测试方法，该方法步骤包括：基于静态分析和人工调整得到最终的雷达固件接口数据规约模型；基于已构建的雷达固件输入接口数据规约模型，生成有效的测试用例，利用测试用例训练神经网络模型；结合上述步骤构建的神经网络模型和雷达固件接口数据规约模型，制导生成符合条件的测试用例并执行。本发明针对自动驾驶车载激光雷达固件接口协议特殊、内部状态空间复杂的特点，提出自动驾驶车载激光雷达固件模糊测试方法，通过结合雷达固件交互接口规约，利用机器学习技术制导模糊测试，高效生成符合雷达固件接口规约的测试输入以及高效探索雷达固件状态空间以检测漏洞。

公开(公告)号：CN115098162A

公开(公告)日：2022-09-23

申请号：CN202210655377.5

申请日：2022-06-10

Applicant: 南京大学

Inventor： 王豫 ,  徐雯楚 ,  张弛 ,  徐安孜 ,  王林章

IPC: G06F8/75

Abstract: 本发明公开了一种基于高精度静态程序分析的循环上界计算方法，步骤1：定位程序中的循环语句并识别循环控制变量；步骤2：分析循环变量的数据依赖关系；步骤3：对循环上界依赖表达式中变量的可能值进行分析；步骤4：递归计算循环依赖表达式的可能值，其中对于表达式中的普通变量则调用步骤3的方法分析出具体值；步骤5：依据循环结构归纳循环上界的公式计算最终结果。本方法对于循环相关变量来自于形参的情况可分析到调用点的实参；本方法可计算由一些使用频率较高的基本表达式排列组合形成的复杂表达式的结果；本方法可计算内层循环的循环相关变量是外层循环控制变量的情况，针对一些使用频率较高模式的嵌套循环能给出较精确的结果。

公开(公告)号：CN114489785A

公开(公告)日：2022-05-13

申请号：CN202210167928.3

申请日：2022-02-23

Applicant: 南京大学

Inventor： 王豫 ,  张弛 ,  徐安孜 ,  陈谦 ,  王林章

IPC: G06F8/75 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于图神经网络的通用缺陷检测方法，包括以下步骤：程序预处理，提取程序语义信息图节点的语义特征值，并对图形表示向量化，生成模型需要的输入形式；构建基于图神经网络的通用缺陷预测模型，用标签标记缺陷样本分布，训练图神经网络的缺陷预测能力，将训练过程中的最优模型作为通用缺陷检测模型；使用通用缺陷检测模型对待测程序进行预测，自定义目标缺陷类型，通用缺陷基于距离排名的缺陷预测方法进行预测。特定缺陷为人工确认预测结果，为待测程序添加标签并使用模型进行学习，强化模型预测能力。本发明有效解决了目前的基于机器学习的缺陷预测方法需要大量训练数据学习缺陷特征，无法预测不在训练集中的缺陷类型的问题。