-
公开(公告)号：CN114995818A
公开(公告)日：2022-09-02
申请号：CN202210395425.1
申请日：2022-04-14
Applicant: 大连海事大学
Abstract: 本发明公开了一种Simulink模型到C语言的优化参数自动配置方法，包括：使用现有的随机生成工具生成Simulink模型，构建强化学习代理，将图结构输入至强化学习代理，所述强化学习代理根据输入信息选择Simulink模型下一步要执行的动作，并将要执行的动作传送至Simlink模型；将选择的参数序列用于当前Simulink模型编译为C语言的过程中，更新强化学习代理，根据时间加速比对强化学习代理进行更新，将新的Simulink模型输入至完成更新的强化学习代理中进行优化参数的推荐，该方法求出的参数编译成的C语言的执行时间将比使用Matlab自行推荐的参数编译成的C语言的执行时间更短。
-
公开(公告)号：CN113378176B
公开(公告)日：2023-06-23
申请号：CN202110652749.4
申请日：2021-06-11
Applicant: 大连海事大学
IPC: G06F21/57
Abstract: 本发明公开了一种基于图神经网络检测带有权重偏差的软件漏洞识别方法，包括：将源代码中的单词和符号视为一个节点，将源代码采用构成图表示，获得每个节点的初始特征值和每个图的连接的边的初始特征；将产生的构成图作为输入，最终将获得重置门输出的信息和更新门输出的信息、以及自身节点的信息三者进行合并，再通过Sigmoid激活函数输出节点激活值，作为最终时刻的节点状态；当单词节点被充分更新后所述单词被聚合到函数代码的图形级表示、并基于该表示生成最终漏洞识别结果；使用–Dice系数将有缺陷的软件漏洞损失值最小化，从而识别软件漏洞。
-
公开(公告)号：CN113378176A
公开(公告)日：2021-09-10
申请号：CN202110652749.4
申请日：2021-06-11
Applicant: 大连海事大学
IPC: G06F21/57
Abstract: 本发明公开了一种基于图神经网络检测带有权重偏差的软件漏洞识别方法，包括：将源代码中的单词和符号视为一个节点，将源代码采用构成图表示，获得每个节点的初始特征值和每个图的连接的边的初始特征；将产生的构成图作为输入，最终将获得重置门输出的信息和更新门输出的信息、以及自身节点的信息三者进行合并，再通过Sigmoid激活函数输出节点激活值，作为最终时刻的节点状态；当单词节点被充分更新后所述单词被聚合到函数代码的图形级表示、并基于该表示生成最终漏洞识别结果；使用–Dice系数将有缺陷的软件漏洞损失值最小化，从而识别软件漏洞。
-
Patent Agency Ranking
公开(公告)号：CN114995818B
公开(公告)日：2025-05-23
申请号：CN202210395425.1
申请日：2022-04-14
Applicant: 大连海事大学
Abstract: 本发明公开了一种Simulink模型到C语言的优化参数自动配置方法，包括：使用现有的随机生成工具生成Simulink模型，构建强化学习代理，将图结构输入至强化学习代理，所述强化学习代理根据输入信息选择Simulink模型下一步要执行的动作，并将要执行的动作传送至Simlink模型；将选择的参数序列用于当前Simulink模型编译为C语言的过程中，更新强化学习代理，根据时间加速比对强化学习代理进行更新，将新的Simulink模型输入至完成更新的强化学习代理中进行优化参数的推荐，该方法求出的参数编译成的C语言的执行时间将比使用Matlab自行推荐的参数编译成的C语言的执行时间更短。
-
公开(公告)号：CN113377422B
公开(公告)日：2024-04-05
申请号：CN202110642380.9
申请日：2021-06-09
Applicant: 大连海事大学
IPC: G06F8/71
Abstract: 本发明公开了一种基于深度学习识别自我承认技术债务方法，包括：构建文本的图形结构，基于图形的单词交互，将词嵌入向量作为门控图神经网络中图的节点特征的隐藏状态，将节点接收到的信息通过更新门确定有多少前一时刻和当前时刻的信息需要传递到下一时刻，节点接收到的信息通过重置门确定有多少前一时刻和当前的时刻的信息需要被舍弃，最终将获得重置门输出的信息和更新门输出的信息、以及自身节点的信息三者进行合并；使用Focal loss函数使损失值最小化，获得准确的预测结果；使用神经网络模型对预测结果进行预测，得到精确度、召回率以及精确度和召回率的调和平均值F1。
-
公开(公告)号：CN113378178A
公开(公告)日：2021-09-10
申请号：CN202110687688.5
申请日：2021-06-21
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于深度学习的图自信学习软件漏洞检测方法，包括：对源代码进行构图：将唯一的单词表示为顶点，将单词之间的协同表示为边来构造代码的图，获取每个图的连接的边的初始特征以及每个节点的初始特征值；构建深度置信网络模型，将转化为图结构的数据集输入至该模型中，找出数据集中是噪音的样本，把噪音样本从数据集中删除；使用门控图神经网络聚集和传递代码图中相邻代码节点的信息，学习代码节点的特征并进行图级预测从而对软件代码漏洞进行检测。该方法通过深度学习的图自信学习软件漏洞检测方法来训练识别软件漏洞模型，在检测软件漏洞方面取得了良好的效果，提高了在软件性能问题。
-
公开(公告)号：CN113378178B
公开(公告)日：2023-08-22
申请号：CN202110687688.5
申请日：2021-06-21
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于深度学习的图自信学习软件漏洞检测方法，包括：对源代码进行构图：将唯一的单词表示为顶点，将单词之间的协同表示为边来构造代码的图，获取每个图的连接的边的初始特征以及每个节点的初始特征值；构建深度置信网络模型，将转化为图结构的数据集输入至该模型中，找出数据集中是噪音的样本，把噪音样本从数据集中删除；使用门控图神经网络聚集和传递代码图中相邻代码节点的信息，学习代码节点的特征并进行图级预测从而对软件代码漏洞进行检测。该方法通过深度学习的图自信学习软件漏洞检测方法来训练识别软件漏洞模型，在检测软件漏洞方面取得了良好的效果，提高了在软件性能问题。
-
公开(公告)号：CN113377422A
公开(公告)日：2021-09-10
申请号：CN202110642380.9
申请日：2021-06-09
Applicant: 大连海事大学
IPC: G06F8/71
Abstract: 本发明公开了一种基于深度学习识别自我承认技术债务方法，包括：构建文本的图形结构，基于图形的单词交互，将词嵌入向量作为门控图神经网络中图的节点特征的隐藏状态，将节点接收到的信息通过更新门确定有多少前一时刻和当前时刻的信息需要传递到下一时刻，节点接收到的信息通过重置门确定有多少前一时刻和当前的时刻的信息需要被舍弃，最终将获得重置门输出的信息和更新门输出的信息、以及自身节点的信息三者进行合并；使用Focal loss函数使损失值最小化，获得准确的预测结果；使用神经网络模型对预测结果进行预测，得到精确度、召回率以及精确度和召回率的调和平均值F1。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
