基于约束求解和描述逻辑的Web服务组合方法

    公开(公告)号:CN104750499B

    公开(公告)日:2018-06-26

    申请号:CN201510196988.8

    申请日:2015-04-21

    Applicant: 南京大学

    Abstract: 本发明为一种基于约束求解和描述逻辑的Web服务组合方法:首先基于领域知识库的目标任务分解,设计各细粒度任务的优化目标,并提取任务接口的约束条件,然后通过约束求解得到细粒度任务的组合,再运用描述逻辑检测组合的有效性、合理性,避免流程冲突,得到合适的组合Web服务。本发明能有效性地组合Web服务,准确率显著提升;并且能够检测服务组合的逻辑正确性,使服务组合更加合理有效。

    一种基于缺陷报告分析的跨项目、并行化缺陷定位方法

    公开(公告)号:CN107844414A

    公开(公告)日:2018-03-27

    申请号:CN201610854844.1

    申请日:2016-09-21

    Applicant: 南京大学

    CPC classification number: G06F11/3692 G06F11/3696

    Abstract: 本发明为一种基于缺陷报告分析的跨项目、并行化缺陷定位方法:首先收集相关的项目及其源代码和缺陷报告,对源代码和缺陷报告分别进行分词、去除停用词、提取词干等文本处理工作;然后采用空间向量模型方法和主题模型方法计算缺陷报告和项目中源代码文件的字词相似度和语义相似度,以改善定位精度;并采用并行化方法来加快计算速度、提升效率;最后采用时间和加速比评估采用并行化方法对缺陷定位和传统串行化方法所提高的时间性能,Top-k准确率(Accuracy@k)和序位倒数均值(MRR)评估采用空间向量模型和主题模型对缺陷定位效果的精度。

    一种基于敏感行为识别的安卓应用安全性分析方法

    公开(公告)号:CN105335655A

    公开(公告)日:2016-02-17

    申请号:CN201510606818.2

    申请日:2015-09-22

    Applicant: 南京大学

    CPC classification number: G06F21/566 G06F2221/033

    Abstract: 本发明提供了一种基于安卓应用源代码敏感行为识别的安卓应用安全性分析方法,包括下列步骤:1)源代码的获取与分析;2)敏感行为的获取;3)UI文本的提取;4)敏感行为数据的处理;5)特征值的选取;6)训练数据集的构成;7)安全性的分析。本发明将UI文本和敏感API之间的联系作为机器学习的特征,有效提高了检测安卓平台恶意应用的准确率。

    一种基于聚类不变式分析的错误定位方法

    公开(公告)号:CN102521130A

    公开(公告)日:2012-06-27

    申请号:CN201110413498.0

    申请日:2011-12-13

    Applicant: 南京大学

    Abstract: 一种基于聚类不变式分析的错误定位方法,基于程序执行的不变式分析技术,收集程序执行过程中的语句频谱信息进行聚类,对各个类簇分别计算与变量相关的不变式;之后进行新的程序执行,根据新的执行所具有的程序频谱将其划分至某个聚类中,比较新的执行与所在聚类中已有的不变式,如果新的执行违反了已有的不变式,则认为该次执行为一次错误执行;最后根据上述信息进行错误定位。本发明根据已有执行的程序频谱进行聚类,将程序执行空间划分为多个部分,再将新的执行与所属聚类的不变式进行对比分析,节省了验证程序执行正确与否的人力,同时得到了更细粒度的与不同程序执行空间相对应的不变式,有利于程序员进行错误定位。

    一种基于概率对齐的代码错误定位方法

    公开(公告)号:CN111737131B

    公开(公告)日:2023-08-08

    申请号:CN202010576945.3

    申请日:2020-06-23

    Applicant: 南京大学

    Abstract: 本发明为一种基于概率对齐的代码错误定位方法。其特征是通过LLVM工具对源代码进行优化,提取出程序的符号信息并跟踪执行流程,再根据提取的信息对程序实例进行分类存储,构建代码结构和符号执行流,之后对代码实例进行序列对齐,并在此基础上进行概率对齐,最后根据两个程序的关键实例和对齐结果切片,并进行二次对齐,关注应该匹配但没有匹配的实例,从而实现错误定位。

    一种基于图学习的Python语言代码片段生成方法

    公开(公告)号:CN114489669A

    公开(公告)日:2022-05-13

    申请号:CN202210034177.8

    申请日:2022-01-12

    Applicant: 南京大学

    Inventor: 许蕾 刘笑今

    Abstract: 本发明的主要工作是提出一种基于图学习的Python语言代码片段生成方法,主要包括代码片段语法分析模块、数据流分析模块、代码片段编码神经网络模块、自然语言编码神经网络模块以及语法导向解码模块,其中,代码片段语法分析模块用于将Python语言代码片段转换为结构化中间表示,通过词法、语法分析得到代码片段的抽象语法树;数据流分析模块用于对Python语言代码片段进行数据流依赖分析,得到代码片段实体间的数据流依赖关系,作为边加入抽象语法树结构从而构成程序图;代码片段编码神经网络模块用于将代码片段对应的程序图编码为向量中间表示,通过数值向量描述代码片段程序图的特征;自然语言编码神经网络模块用于将代码片段对应的自然语言功能描述编码为向量中间表示,通过数值向量描述自然语言的特征;语法导向解码模块用于融合自然语言与代码片段程序图两方面的中间表示,通过多层分类神经网络逐个生成代码片段语法单元,得到完整的代码片段生成结果。

    基于DOM框架的ODX文档解析和生成技术

    公开(公告)号:CN110502667A

    公开(公告)日:2019-11-26

    申请号:CN201810485857.5

    申请日:2018-05-16

    Applicant: 南京大学

    Abstract: 本发明提出了一种基于DOM框架的ODX文档的解析和生成技术,主要分为三个模块:XML Schema解析模块,ODX文档解析模块和ODX文档生成模块。XML Schema解析模块将ODX文档的XML Schema规则分成了基本数据类型规则、复杂数据类型规则、结构类型规则、约束类型规则和扩展类型规则,并根据各种类规则设计了符合ODX文档格式的Java类映射规则,使得ODX文档中的每一个类都可以标准化生成对应的Java类映射;ODX文档解析模块首先利用反射机制,循环提取待解析类继承的所有类成员信息,接下来通过DOM框架,获取根节点的所有属性和元素信息放入待解析队列中。最后把待解析队列中的属性或元素的值映射到目标类对应的成员变量中:对于基本数据类型进行直接赋值,对于成员对象进行递归赋值,对于数组变量循环每个数组成员并根据各数组成员的实际类型选择直接赋值或进行递归操作;ODX文档生成模块与解析模块类似,首先循环提取待解析类继承的所有类成员信息,作为待生成队列。接下来对待生成队列的每个成员通过其是否经过解析或修改,判断该成员变量是否应该输出,最后根据不同的数据类型递归的完成ODX文档生成操作:对于基本数据类型进行直接生成,对于成员对象进行递归生成,对于数组变量循环每个数组成员并根据各数组成员的实际类型选择直接生成或进行递归操作。

    一种基于代码分析与图像处理的网页广告屏蔽方法

    公开(公告)号:CN110489636A

    公开(公告)日:2019-11-22

    申请号:CN201810485860.7

    申请日:2018-05-15

    Applicant: 南京大学

    Abstract: 本发明为一种基于代码分析与图像处理的网页广告屏蔽方法:前端脚本监听DOMContentLoaded事件获得触发该事件的DOM树;然后递归地遍历该DOM树识别可能包含的广告标识;接着制定相应规则避免网页正常图像发送到后端判断,对于可能包含广告标识的图像利用AJAX技术发送到后端进行判断;后端监听前端请求,利用图像文本识别模型对请求的图像进行判断,并将结果返回给前端脚本;最后根据广告标识识别广告区域,并对广告区域进行屏蔽。

    一种基于程序分析和变异输入的跨站脚本攻击检测方法

    公开(公告)号:CN107844701A

    公开(公告)日:2018-03-27

    申请号:CN201610854841.8

    申请日:2016-09-21

    Applicant: 南京大学

    CPC classification number: G06F21/562

    Abstract: 本发明为一种基于程序分析和变异输入的跨站脚本攻击检测方法:先对爬取的网页使用htmlparser2进行解析,得到网页的DOM结构;然后通过遍历这个DOM结构找到网站中所有的可能输入点,记录这些输入点的ID;再次结合变异算子生成可能的用户输入;最后使用工具Selenium自动运行测试脚本,挖掘网站中可能存在的XSS漏洞。

    基于机器学习的代码合并冲突自动消解方法

    公开(公告)号:CN117931275A

    公开(公告)日:2024-04-26

    申请号:CN202410087287.X

    申请日:2024-01-19

    Applicant: 南京大学

    Inventor: 许蕾 杨钧尹

    Abstract: 本发明为一种基于机器学习的代码合并冲突自动消解方法:首先对Git代码仓库中的代码合并冲突进行挖掘,收集历史合并节点中已有的代码合并冲突,从收集到的冲突中提取特征和开发者手动消解的结果,使用其训练机器学习模型,最后通过训练好的机器学习模型消解新的代码合并冲突。本发明拥有执行效率高、可扩展性强的特点,能够减轻开发者负担,大大降低了冲突消解的人工成本。

Patent Agency Ranking