-
公开(公告)号：CN112199295B
公开(公告)日：2023-05-05
申请号：CN202011180145.6
申请日：2020-10-29
Applicant: 北京信息科技大学
IPC: G06F11/36 , G06N3/0464 , G06N3/06
Abstract: 本发明公开了一种基于频谱的深度神经网络缺陷定位方法，属于软件测试技术领域，包括以下步骤：1、获取正确的测试用例和错误的测试用例，2、获取待测深度神经网络模型频谱信息，3、计算神经元的怀疑度，并按照怀疑度对神经元进行排序。本发明依据深度神经网络对测试集的运行输出和分类结果量化深度神经网络中的神经元，然后利用怀疑度公式计算其怀疑度，并对其进行排名，定位到最有可能是缺陷的位置。该方法及系统将神经元的输出和测试数据的运行结果结合，可以将深度神经网络模型中的缺陷直观的使用数值体现出来，更准确快捷的定位到深度神经网络模型缺陷的具体位置。
-
Patent Agency Ranking
公开(公告)号：CN112685320B
公开(公告)日：2023-04-25
申请号：CN202110026716.9
申请日：2021-01-09
Applicant: 北京信息科技大学
Abstract: 本发明公开了一种基于多候选程序的软件缺陷修复方法及装置，方法具体包括：S1：在待修复程序中定位缺陷单元，将缺陷单元存放至缺陷集合中，对缺陷单元生成对应的补丁单元，同时将补丁单元存放至补丁集合；S2：将补丁集合添加到待修复程序中，生成对应的修复程序集合；S3：构造适应度函数，利用适应度函数对修复程序集合进行评估得到对应的适应度值，将适应度值进行排序，选取其中排名前k的修复程序作为候选修复程序集合；S4：对候选修复程序集合进行多数决机制投票，输出多数决投票得分最高的候选修复程序运行结果，并将候选修复程序和多数决机制封装成一个整体程序；本发明通过并行运行多个版本的程序提高容错性。
-
公开(公告)号：CN112685320A
公开(公告)日：2021-04-20
申请号：CN202110026716.9
申请日：2021-01-09
Applicant: 北京信息科技大学
Abstract: 本发明公开了一种基于多候选程序的软件缺陷修复方法及装置，方法具体包括：S1：在待修复程序中定位缺陷单元，将缺陷单元存放至缺陷集合中，对缺陷单元生成对应的补丁单元，同时将补丁单元存放至补丁集合；S2：将补丁集合添加到待修复程序中，生成对应的修复程序集合；S3：构造适应度函数，利用适应度函数对修复程序集合进行评估得到对应的适应度值，将适应度值进行排序，选取其中排名前k的修复程序作为候选修复程序集合；S4：对候选修复程序集合进行多数决机制投票，输出多数决投票得分最高的候选修复程序运行结果，并将候选修复程序和多数决机制封装成一个整体程序；本发明通过并行运行多个版本的程序提高容错性。
-
公开(公告)号：CN112199295A
公开(公告)日：2021-01-08
申请号：CN202011180145.6
申请日：2020-10-29
Applicant: 北京信息科技大学
Abstract: 本发明公开了一种基于频谱的深度神经网络缺陷定位方法，属于软件测试技术领域，包括以下步骤：1、获取正确的测试用例和错误的测试用例，2、获取待测深度神经网络模型频谱信息，3、计算神经元的怀疑度，并按照怀疑度对神经元进行排序。本发明依据深度神经网络对测试集的运行输出和分类结果量化深度神经网络中的神经元，然后利用怀疑度公式计算其怀疑度，并对其进行排名，定位到最有可能是缺陷的位置。该方法及系统将神经元的输出和测试数据的运行结果结合，可以将深度神经网络模型中的缺陷直观的使用数值体现出来，更准确快捷的定位到深度神经网络模型缺陷的具体位置。
-
公开(公告)号：CN113361709A
公开(公告)日：2021-09-07
申请号：CN202110639424.2
申请日：2021-06-08
Applicant: 北京信息科技大学
Abstract: 本发明公开了一种基于变异的深度神经网络模型修复方法，涉及深度神经网络模型修复技术领域，包括以下步骤：定位缺陷权重所在的位置，通过定位到待修复的深度神经网络模型所在层的神经元对应的权重，得到可疑权重序列；对深度神经网络的权重进行优化，依次对所述可疑权重序列中的每个权重进行变异；基于遗传思想的权重的迭代优化，对每个权重进行调整，生成不同的变异体，选择适应度高的个体继续进行下一轮的迭代，直到达到修复停止条件。本发明通过反向计算的方法对深度学习模型中的各个神经元的权重对测试结果的重要性影响进行排序，基于遗传算法对其进行变异迭代，提高深度学习模型的准确性，达到修复的效果。
-
公开(公告)号：CN112579463A
公开(公告)日：2021-03-30
申请号：CN202011562073.1
申请日：2020-12-25
Applicant: 北京信息科技大学
IPC: G06F11/36
Abstract: 本发明公开了一种面向Solidity智能合约的缺陷预测方法，应用于软件缺陷预测技术领域，首先从Solidity源码中提取代码模块的度量元，并为每个代码模块标记缺陷数量，从而构建缺陷预测数据集；然后针对Solidity缺陷预测数据集中的类不平衡问题，采用过采样方法进行数据预处理；最后分别构建缺陷数量预测模型和缺陷倾向性预测模型，并评估模型的性能。本发明将度量元集与Solidity智能合约缺陷检测结果结合，构建了Solidity智能合约缺陷预测数据集，能够更好地描述Solidity智能合约的特征，基于以上数据集，分别验证了缺陷数量预测和缺陷倾向性预测问题中，不同模型的性能差异。
-
-
-
-
-
Search Results
6
records
(took 0.02 seconds)
