公开(公告)号：CN119248277A

公开(公告)日：2025-01-03

申请号：CN202411239097.1

申请日：2024-09-05

Applicant: 杭州电子科技大学 ,  杭州电子科技大学滨江研究院有限公司

Inventor： 俞东进 ,  杨全鑫 ,  陈信 ,  陈洁 ,  徐忆航 ,  颜王亮 ,  王思轩 ,  胡彬

IPC: G06F8/41 ,  G06N3/0464 ,  G06N3/08 ,  G06N20/20

Abstract: 本发明提供了一种基于AST的代码度量和代码语义的代码异味检测方法及系统。本发明首先通过解析代码片段来构造流增强抽象语法树(Flow‑Augmented Abstract Syntax Tree，FA‑AST)，并从中提取三类基于AST的代码度量：结构度量、句法度量和语义度量。然后，利用深度学习模型从源代码中捕捉代码的上下文信息和依赖关系，以提取代码语义。最后，通过融合基于AST的代码度量与代码语义，输入分类模型来进行训练和测试，以识别代码中的异味并对其严重程度进行评估。本发明提供的基于AST的代码度量相比于传统静态代码分析工具提取的软件代码度量更全面、且更易提取，在提高代码异味检测的精度和效率方面具有明显优势。

公开(公告)号：CN112333452A

公开(公告)日：2021-02-05

申请号：CN202011116257.5

申请日：2020-10-19

Applicant: 杭州电子科技大学

Inventor： 姚晔 ,  杨全鑫 ,  张竹溪 ,  张祯 ,  袁理锋 ,  陈临强

IPC: H04N19/89 ,  H04N13/282 ,  G06K9/00 ,  G06K9/32 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于多媒体信息安全技术领域，具体涉及一种基于深度学习的视频对象移除篡改时空域定位方法，包括以下步骤：S1、训练时域定位模型和空域定位模型；S2、将待测视频输入至时域定位模型，以获取篡改帧序列；S3、将篡改帧序列输入空域定位模型，以获取篡改帧中的篡改区域定位结果。本发明可以从被篡改视频中检测出篡改帧，并在每一篡改帧中定位出被篡改区域。

公开(公告)号：CN115952076A

公开(公告)日：2023-04-11

申请号：CN202211529670.3

申请日：2022-11-30

Applicant: 杭州电子科技大学

Inventor： 杨全鑫 ,  俞东进 ,  徐忆航 ,  陈信 ,  陈洁 ,  王思轩

IPC: G06F11/36 ,  G06F18/241 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 基于代码语义和度量的代码异味识别方法，包括以下步骤：构建代码异味数据集；对代码片段进行数据预处理，得到代码语义表征信息和代码度量信息；将所述代码语义表征信息输入代码语义表征学习模型，得到代码语义嵌入；将所述代码度量信息输入代码度量关系学习模型，得到代码度量关系嵌入；将所述代码语义嵌入和代码度量关系嵌入进行融合，得到融合学习模型；构造所述融合学习模型的损失函数，对所述融合学习模型进行训练，得到代码异味识别模型；将待检测的代码片输入所述代码异味识别模型，得到代码异味识别结果。本发明设计的方法可以自动化识别多种代码异味，适用于不同语言和代码粒度。

公开(公告)号：CN112333452B

公开(公告)日：2023-02-03

申请号：CN202011116257.5

申请日：2020-10-19

Applicant: 杭州电子科技大学

Inventor： 姚晔 ,  杨全鑫 ,  张竹溪 ,  张祯 ,  袁理锋 ,  陈临强

IPC: H04N19/89 ,  H04N13/282 ,  G06V20/40 ,  G06V10/25 ,  G06V10/762 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/084

Abstract: 本发明属于多媒体信息安全技术领域，具体涉及一种基于深度学习的视频对象移除篡改时空域定位方法，包括以下步骤：S1、训练时域定位模型和空域定位模型；S2、将待测视频输入至时域定位模型，以获取篡改帧序列；S3、将篡改帧序列输入空域定位模型，以获取篡改帧中的篡改区域定位结果。本发明可以从被篡改视频中检测出篡改帧，并在每一篡改帧中定位出被篡改区域。

公开(公告)号：CN116225526A

公开(公告)日：2023-06-06

申请号：CN202211605460.8

申请日：2022-12-14

Applicant: 杭州滨电信息技术有限公司 ,  杭州电子科技大学

Inventor： 俞东进 ,  杨全鑫 ,  陈信 ,  陈洁 ,  徐忆航

IPC: G06F8/75 ,  G06N3/045 ,  G06N3/042 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明提供一种基于图表示学习的代码克隆检测方法。本发明针对代码语义克隆，即Type‑IV克隆，设计了一种基于图的代码克隆检测模型，该模型结合了图注意力网络GAT和边收缩池化EdgePool，同时，本发明构造出一种并行节点内部注意力机制PNIAT，将源代码中解析出的控制流图CFG或程序依赖图PDG转换为标准的图神经网络GNN输入数据，然后将其输入由图注意力网络GAT和边收缩池化EdgePool构建的图神经网络中，输出对应的图嵌入表示，最后采用基于双向长短期记忆网络BiLSTM构建的解码器将成对的图嵌入表示并行解码，得到代码克隆检测的批量检测结果。