一种基于图学习的线程安全代码识别方法

    公开(公告)号:CN113138924B

    公开(公告)日:2023-10-31

    申请号:CN202110440403.8

    申请日:2021-04-23

    Applicant: 扬州大学

    Abstract: 本发明公开了一种基于图学习的线程安全代码识别方法,属于软件测试领域;具体包括:构建得到线程安全数据集;将线程安全数据集中的类转化为可供分析的域访问图;构建以域访问图为输入、以分类标签为输出的GMN神经网络模型;采用匹配池对构建的GMN神经网络模型进行训练,得到训练好的GMN神经网络模型;将待安全识别的类对应转化成域访问图,而后输入至训练好的GMN神经网络模型,得到识别结果;本发明使用域访问图的结构,充分体现了并发程序中不同的访问关系,基于训练好的GMN神经网络模型的注意力机制进行跨图匹配,达到对线程安全代码的识别,更具普适性,通用性,且极大地提升了预测结果的准确性。

    基于两亲三组分体系无醇植绒液、其制备方法及用途

    公开(公告)号:CN119875642A

    公开(公告)日:2025-04-25

    申请号:CN202510050041.X

    申请日:2025-01-13

    Applicant: 扬州大学

    Abstract: 本发明涉及太阳能光伏电池制造耗材领域内的一种基于两亲三组分体系无醇植绒液、其制备方法及用途,所述植绒液为水包油型乳液,组分包括氢氧化钾15~19.52wt%、正庚酸2.4~25wt%和水60~78.08wt%。该植绒液具有较大范围温度稳定性,高转速离心不分层。其生物毒性低,状态澄清透明,易于清洗,可用于单晶硅硅片植绒,植绒后的硅片的表面反射率低。

    一种基于图学习的线程安全代码识别方法

    公开(公告)号:CN113138924A

    公开(公告)日:2021-07-20

    申请号:CN202110440403.8

    申请日:2021-04-23

    Applicant: 扬州大学

    Abstract: 本发明公开了一种基于图学习的线程安全代码识别方法,属于软件测试领域;具体包括:构建得到线程安全数据集;将线程安全数据集中的类转化为可供分析的域访问图;构建以域访问图为输入、以分类标签为输出的GMN神经网络模型;采用匹配池对构建的GMN神经网络模型进行训练,得到训练好的GMN神经网络模型;将待安全识别的类对应转化成域访问图,而后输入至训练好的GMN神经网络模型,得到识别结果;本发明使用域访问图的结构,充分体现了并发程序中不同的访问关系,基于训练好的GMN神经网络模型的注意力机制进行跨图匹配,达到对线程安全代码的识别,更具普适性,通用性,且极大地提升了预测结果的准确性。

Patent Agency Ranking