公开(公告)号：CN111461261B

公开(公告)日：2024-02-13

申请号：CN202010417999.5

申请日：2020-05-18

Applicant: 南京大学

Inventor： 卜磊 ,  段玉超 ,  金亦凡 ,  王林章 ,  李宣东

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0475 ,  G06N3/047 ,  G06N3/094

Abstract: 本发明公开了神经网络分类识别中的对抗样本生成的方法和装置。本发明架构了一种对抗样本自动化生产的平台，在这平台中，用户可按照特定样本的应用场景构建出相应的合成函数、不满足度评估函数、噪音空间收缩策略函数组成特定的搜索策略，然后通过本发明的平台自动生成对抗样本，由此固化对抗样本生成的算法，对某种特定样本生成对抗样本效率低的情形时，用户仅需要改变其中的搜索策略即可改进对抗样本的生成效率。

公开(公告)号：CN111461261A

公开(公告)日：2020-07-28

申请号：CN202010417999.5

申请日：2020-05-18

Applicant: 南京大学

Inventor： 卜磊 ,  段玉超 ,  金亦凡 ,  王林章 ,  李宣东

IPC: G06K9/62 ,  G06N3/08

Abstract: 本发明公开了神经网络分类识别中的对抗样本生成的方法和装置。本发明架构了一种对抗样本自动化生产的平台，在这平台中，用户可按照特定样本的应用场景构建出相应的合成函数、不满足度评估函数、噪音空间收缩策略函数组成特定的搜索策略，然后通过本发明的平台自动生成对抗样本，由此固化对抗样本生成的算法，对某种特定样本生成对抗样本效率低的情形时，用户仅需要改变其中的搜索策略即可改进对抗样本的生成效率。

公开(公告)号：CN108763064B

公开(公告)日：2020-07-07

申请号：CN201810442423.7

申请日：2018-05-10

Applicant: 南京大学

Inventor： 卜磊 ,  梁永隽 ,  段玉超 ,  闾乐成 ,  张秋萍 ,  张时雨 ,  王林章 ,  李宣东

IPC: G06F11/36

Abstract: 本发明公开了一种基于黑盒函数与机器学习的代码测试生成方法和装置。本发明通过对被测程序代码静态分析，提取先前测试未覆盖的节点所对应的未覆盖路径，然后将未覆盖路径上的复杂结构的程序代码用黑盒函数打包后，采用基于学习验证的约束求解器和符号执行分析器进行验证求解，得到能够覆盖先前测试未覆盖的节点的测试用例数据，从而使得测试工程师能够利用这些测试用例数据进行回归测试从而测试覆盖先前测试未覆盖的节点。本发明将被测程序中的复杂代码替换成黑盒函数，减少了符号执行过程中对复杂代码片段的分析，将更多系统资源分配在对目标结点覆盖的求解上，从而提高了程序分析效率和目标节点的覆盖率。

公开(公告)号：CN108763064A

公开(公告)日：2018-11-06

申请号：CN201810442423.7

申请日：2018-05-10

Applicant: 南京大学

Inventor： 卜磊 ,  梁永隽 ,  段玉超 ,  闾乐成 ,  张秋萍 ,  张时雨 ,  王林章 ,  李宣东

IPC: G06F11/36

Abstract: 本发明公开了一种基于黑盒函数与机器学习的代码测试生成方法和装置。本发明通过对被测程序代码静态分析，提取先前测试未覆盖的节点所对应的未覆盖路径，然后将未覆盖路径上的复杂结构的程序代码用黑盒函数打包后，采用基于学习验证的约束求解器和符号执行分析器进行验证求解，得到能够覆盖先前测试未覆盖的节点的测试用例数据，从而使得测试工程师能够利用这些测试用例数据进行回归测试从而测试覆盖先前测试未覆盖的节点。本发明将被测程序中的复杂代码替换成黑盒函数，减少了符号执行过程中对复杂代码片段的分析，将更多系统资源分配在对目标结点覆盖的求解上，从而提高了程序分析效率和目标节点的覆盖率。