-
公开(公告)号:CN117725101A
公开(公告)日:2024-03-19
申请号:CN202311771466.7
申请日:2023-12-20
Applicant: 福州大学
IPC: G06F16/2455 , G06F16/2458 , G06F18/26 , G06N5/01
Abstract: 本发明提供一种基于模拟退火的间隔项近似统计方法,在本发明中定义了间隔项,并对其进行统计工作。间隔项是指在数据流中以固定时间间隔到达的元素对,间隔项的频繁项往往预示着行为模式,即动作一后隔一段时间后将进行动作二。本发明通过模拟退火切分数据流后使用概率数据结构Sketch进行间隔项存储,最后通过特征分组存储策略降低Sketch存储间隔项的空间开销,提升了统计间隔项的精度。以在保证间隔项统计精度的前提下,加快统计速度并优化存储资源的开销。
-
公开(公告)号:CN119883924A
公开(公告)日:2025-04-25
申请号:CN202510044356.3
申请日:2025-01-11
Applicant: 福州大学
IPC: G06F11/3668 , G06F11/3604 , G06N3/042 , G06N3/0464 , G06N3/084 , G06N3/09
Abstract: 本发明涉及一种基于图神经网络的可编程数据平面增量测试方法,包括:1)生成数据平面程序的控制流图,分析程序结构和逻辑,对程序中每个节点设置类型、编号、可达性和变更标志,定义边的起点、终点及转移条件;2)将控制流图转换为图数据对象,通过编码方式嵌入节点和边信息;3)采用GCN模型分析图数据对象,逐层聚合节点特征,同时结合边的条件转移特性,逐步整合节点之间的局部信息;4)动态选择粗粒度或细粒度测试策略;5)通过正则匹配与随机修改生成缺陷代码样本,并结合自动化训练机制优化图神经网络模型性能。该方法通过生成控制流图并结合图神经网络模型对路径依赖关系进行分析,实现了在网络规则频繁更新场景中的高效增量测试。
-
公开(公告)号:CN117579566A
公开(公告)日:2024-02-20
申请号:CN202311609813.6
申请日:2023-11-28
Applicant: 福州大学
IPC: H04L47/2441 , H04L45/7453
Abstract: 本发明提供一种基于学习索引的元组空间搜索包分类加速方法,通过设定分区阈值和元组插入约束构建基于哈希表的有序元组,利用基于间隙数组的线性模型学习索引实现稳定高效的规则查找和快速规则更新,并确保低内存开销。
-
-
公开(公告)号:CN117596216A
公开(公告)日:2024-02-23
申请号:CN202311609718.6
申请日:2023-11-28
Applicant: 福州大学
IPC: H04L47/2441 , H04L45/745 , G06F18/2431 , G06N5/01
Abstract: 本发明提供一种基于规则分区调整的决策树包分类优化方法,根据规则重叠情况和启发式建树特点,调整优化用于建树的规则分区,并结合元组构建紧凑的决策树数据结构,实现快速规则查找,并确保有限的内存开销。
-
-
-
-