-
公开(公告)号：CN115269246A
公开(公告)日：2022-11-01
申请号：CN202210895176.2
申请日：2022-07-26
Applicant: 南通大学
Abstract: 本发明提供了一种基于二元相关性和逻辑回归分析的阻塞Bug识别方法，属于计算机应用技术领域，解决了对软件Bug阻塞和被阻塞标签的自动化预测的问题；其技术方案为：包括以下步骤：(1)通过筛选Bug报告中的“Blocks”和“Depends on”字段来构建特殊的数据集；(2)采用Word2Vec方法对Bug报告中的自然语言部分进行编码转换为向量形式；(3)对Bug报告中提取的多个字段进行相关性分析，筛选出相关性高的一部分字段作为模型训练的特征；(4)通过BR‑LR针对两个数据集分别学习到Bug标签的不同预测方法；(5)结合两个预测模型对Bug不同标签的预测结果，生成预测报告。本发明的有益效果为：本发明结合Binary Relevance和逻辑回归分析，通过对训练数据集的筛选和划分，实现对阻塞Bug的双标签的预测。
-
公开(公告)号：CN114491293A
公开(公告)日：2022-05-13
申请号：CN202210104815.9
申请日：2022-01-28
Applicant: 南通大学
IPC: G06F16/9536 , G06Q50/00 , G06K9/62
Abstract: 本发明属于复杂网络分析技术领域，具体涉及一种统一化融合内容信息的半监督社团检测方法。本发明的步骤为：形式化带有节点内容网络中的拓扑和内容信息；利用基于非负矩阵分解的生成框架实现基于标准NMF和SNMF的拓扑子模型，计算结构相似度构建must‑link先验信息以调整节点社团隶属度，借鉴pLSA主题模型思想，基于非负矩阵分解构建内容子模型；引入平衡因子统一化融合具有先验信息的拓扑子模型和内容子模型，进而构建统一化融合节点内容半监督社团检测模型，最后，利用梯度下降法学习模型参数，得到节点的社团隶属度矩阵，进行聚类以挖掘网络中社团结构，运用标准化互信息熵NMI和调整兰德系数ARI对模型性能进行评估。
-
公开(公告)号：CN109857653A
公开(公告)日：2019-06-07
申请号：CN201910042053.2
申请日：2019-01-17
Applicant: 南通大学
IPC: G06F11/36
Abstract: 本发明涉及一种基于主动学习的无监督缺陷程序模块识别方法，属于软件质量保障领域。本发明包括：1)从待测项目中抽取程序模块进行度量，形成数据集D；2)采用聚类方法将D内的程序模块分为可能有缺陷和可能没有缺陷两类，分别随机选k1个模块标记，形成已标记数据集L，和未标记数据集U，基于L构建预测模型；3)判断缺陷模块数查全率是否达预期，若达到，终止标记过程，否则执行步骤4)；4)使用两阶段标记方法从U中选出一定数量的程序模块进行标记并添加到L中；5)基于L构建缺陷预测模型，执行步骤3)。本发明方法可以在不存在历史标记数据集的情况下，花费较少的标记代价，检测到被测项目内的绝大部分有缺陷程序模块。
-
公开(公告)号：CN106844218A
公开(公告)日：2017-06-13
申请号：CN201710076573.6
申请日：2017-02-13
Applicant: 南通大学
IPC: G06F11/36
Abstract: 本发明提供一种基于演化切片的演化影响集预测方法，主要用于构建演化影响集以辅助软件开发者和维护者作出演化策略，包括如下步骤：识别演化元素；生成演化切片准则；构建演化数据依赖图；构建演化控制依赖图；生成演化切片作为演化影响集；度量演化影响集。本发明公开的基于演化切片的演化影响集预测（ESISP）方法具有较高的查全率和较低的存伪率，能有效辅助软件开发人员和维护人员作出相关决策。
-
公开(公告)号：CN120046157A
公开(公告)日：2025-05-27
申请号：CN202510091992.1
申请日：2025-01-21
Applicant: 南通大学
IPC: G06F21/57 , G06F21/55 , G06F11/362 , G06F8/41 , G06N3/0455 , G06N3/047 , G06N3/082
Abstract: 本发明提供了一种基于代码简化的漏洞评估优化方法，属于软件工程技术领域。包括以下步骤：(1)代码预处理阶段，对源代码进行程序切片，尽可能保证代码片段的语义完整性；(2)注意力权重生成阶段，利用代码预训练Transformer模型；(3)代码简化阶段，根据已定义的代码简化策略，对阶段(1)处理好的每组代码片段进行简化，得到简化代码；(4)模型微调阶段，根据阶段(3)的简化代码对代码预训练Transformer模型进行微调，训练出漏洞评估模型。本发明的有益效果在于：在确保模型评估准确度的前提下，减少了模型的构建和推理开销；同时资源受限场景下，及时评估漏洞的严重程度。
-
Patent Agency Ranking
公开(公告)号：CN115269246B
公开(公告)日：2025-05-02
申请号：CN202210895176.2
申请日：2022-07-26
Applicant: 南通大学
IPC: G06F11/07 , G06F17/18 , G06F18/214 , G06F18/2113 , G06F18/2431
Abstract: 本发明提供了一种基于二元相关性和逻辑回归分析的阻塞Bug识别方法，属于计算机应用技术领域，解决了对软件Bug阻塞和被阻塞标签的自动化预测的问题；其技术方案为：包括以下步骤：(1)通过筛选Bug报告中的“Blocks”和“Depends on”字段来构建特殊的数据集；(2)采用Word2Vec方法对Bug报告中的自然语言部分进行编码转换为向量形式；(3)对Bug报告中提取的多个字段进行相关性分析，筛选出相关性高的一部分字段作为模型训练的特征；(4)通过BR‑LR针对两个数据集分别学习到Bug标签的不同预测方法；(5)结合两个预测模型对Bug不同标签的预测结果，生成预测报告。本发明的有益效果为：本发明结合Binary Relevance和逻辑回归分析，通过对训练数据集的筛选和划分，实现对阻塞Bug的双标签的预测。
-
公开(公告)号：CN115185731B
公开(公告)日：2025-05-02
申请号：CN202210849549.2
申请日：2022-07-19
Applicant: 南通大学
IPC: G06F11/07 , G06F8/75 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06N20/20
Abstract: 本发明提供了一种混合多个深度学习模型以促进阻塞Bug预测的方法，属于计算机应用技术领域，解决了自动化预测多对Bug之间存在阻塞关系的技术问题。其技术方案为：包括以下步骤：(1)从Bug报告中提取“Summary”和“Description”两个字段构成数据集；(2)将自然语言文本进行词干恢复；(3)将这两个字段进行编码转换为词向量形式；(4)构建预测模型；(5)将两个分类器给出的值的加权和相加，得到最终的预测模型。本发明的有益效果为：本发明构建两个深度学习模型，并通过集成学习的方法Boosting将其结合起来，从而得到一个更全面、更稳健的预测模型，实现对阻塞Bug更好的预测。
-
公开(公告)号：CN119830306A
公开(公告)日：2025-04-15
申请号：CN202510026747.2
申请日：2025-01-08
Applicant: 南通大学
Abstract: 本发明提供了一种基于多模态数据融合的去中心化漏洞评估方法，属于计算机技术领域，解决了传统漏洞评估方法无法充分结合多模态数据、无法有效保护数据隐私的技术问题。其技术方案包括以下步骤：S1：对漏洞评估数据集进行预处理；S2：提取源代码的结构信息、词法特征和注释信息；S3：将源代码和注释信息输入到CodeT5模型中，并结合Joern处理的图结构信息进行多模态特征融合；S4：通过自适应权重机制进行跨模态信息融合，优化模型性能；S5：在本地进行模型训练；S6：将测试集输入训练好的模型中进行漏洞评估，输出分类结果。提升了漏洞评估的准确性、全面性和隐私保护能力。
-
公开(公告)号：CN113961821B
公开(公告)日：2025-01-07
申请号：CN202111220041.8
申请日：2021-10-20
Applicant: 南通大学
IPC: G06F16/9536 , G06F17/16 , G06F18/2321 , G06F18/25
Abstract: 本发明公开了一种基于图正则融合异构拓扑和节点内容的社团检测方法，属于复杂网络分析技术领域，该方法识别具有内容信息的网络数据中社团结构，运用随机块框架的非负矩阵分解和图正则化分别建模拓扑和内容，基于“具有相似内容的节点很有可能属于同一社团”子空间聚类思想，以融合拓扑和内容，以构建基于图正则的非负矩阵分解社团检测模型；最后使用评价算法归一化互信息熵评估模型有效性。本发明的有益效果为：运用图正则融合拓扑和内容，同时，提出节点流行度和K近邻一致性分别处理拓扑和内容特性，提高了社团检测能力。
-
公开(公告)号：CN118364470A
公开(公告)日：2024-07-19
申请号：CN202410481701.5
申请日：2024-04-22
Applicant: 南通大学
IPC: G06F21/57 , G06F18/214
Abstract: 本发明提供了一种基于漏洞原因描述和指令微调的软件漏洞检测方法，属于计算机技术领域，解决了常见软件漏洞检测方法在分析漏洞时往往缺乏对漏洞原因的深入理解，导致检测准确性不高的技术问题。其技术方案为：包括以下步骤：S1：将漏洞数据集分为训练集和测试集；S2：利用所得原因分析构建指令微调数据集；S3：获得微调后的模型；S4：执行二分类漏洞检测。本发明的有益效果为：本发明提供了一种结合漏洞原因描述和指令微调的漏洞检测方法，可有效提高漏洞检测的准确性和效率；加入漏洞原因描述，有助于模型在微调时深入理解漏洞的产生原因，且使得模型更加适应漏洞检测任务和代码结构，提高了漏洞检测的精度和泛化能力。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.029 seconds)
