-
公开(公告)号：CN109213865A
公开(公告)日：2019-01-15
申请号：CN201811076509.9
申请日：2018-09-14
Applicant: 大连海事大学
Abstract: 本发明公开了一种软件bug报告分类系统及分类方法，所述系统包括训练部分和测试部分，所述训练部分包括：数据集获取模块、数据约简模块和不平衡数据集处理模块；所述测试部分包括：bug报告输入模块和结果分类输出模块。所述分类方法的主要步骤包括：使用数据约简算法来处理数据，用RSMOTE方法处理不平衡数据集，用获得的平衡数据集训练分类器，以及用Choquet模糊积分来集成多个已经训练过的分类器对bug报告的结果进行分类。本发明通过特征选择和实例选择结合使用的办法，减少了样本维度和单词维度上的数据规模，通过使用基于Choquet模糊积分的集成训练方法，提高了对bug报告严重性的识别程度，同时避免了随机采样的不确定性。
-
公开(公告)号：CN120068083A
公开(公告)日：2025-05-30
申请号：CN202510070416.9
申请日：2025-01-16
Applicant: 大连海事大学
IPC: G06F21/57 , G06N3/045 , G06F18/214 , G06F18/213 , G06F40/253 , G06F18/22
Abstract: 本发明提供了一种利用图嵌入组件构成特征图结构进行代码漏洞修复检测的方法，包括如下步骤：S1、获取漏洞修复后的目标数据集；S2、利用图嵌入组件将文本特征编码表示为文本的语法和语法信息并捕获文本关键字的特征结构图；S3、获取目标数据集的非文本特征，将非文本特征视为单独的节点，将文本特征图和非文本特征节点聚合成一个文本和非文本聚合图，文本和非文本聚合图的每个节点上的的代码信息和相似度信息；S4、在权重赋能组件中，将代码信息和相似度信息进行相似度计算；S5、将权重赋能过后的代码的节点信息输入到分类器中，获得检测结果。本方法能够在更高层次上捕捉漏洞修复的核心特征，从而提升漏洞修复检测的准确性和效率。
-
公开(公告)号：CN114791878B
公开(公告)日：2024-07-12
申请号：CN202210348499.X
申请日：2022-04-01
Applicant: 大连海事大学
IPC: G06F11/36
Abstract: 本发明公开了一种基于可控断言突变的Simulink软件测试方法，包括：生成测试用例组成稳定的测试用例集并对该稳定的测试用例集进行维护，将该测试用例集放入测试用例池中进行规范化检查；分别打开测试用例集的模型并检查其可用性，采用执行路径覆盖法收集模型的覆盖信息，收集模型中每个模块的输入和输出值并保存，根据变量信息合成判断条件，并依据判断条件加入选择模块，根据马尔可夫链蒙特卡罗算法采样合成多样性区域并加入选择模块不执行分支，最终获得新待测用例；将得到的新待测用例存为变体模型，采用差分测试方法比较变体模型与原始模型从而获得软件中存在的缺陷；该方法也可以有效的发现以往方法发现不了的深层次的软件缺陷。
-
公开(公告)号：CN114896144B
公开(公告)日：2024-06-14
申请号：CN202210451298.2
申请日：2022-04-26
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于知识库的CPS模型等价模输入变异测试方法，包括：采用Simulink软件标记测试用例中的所有种类模块的分步区域；建立深度学习模型；对测试用例进行变异时包括基础变异和变异操作；对Simulink软件进行测试，对变体测试用例与其原Simulink测试用例进行差分测试，编译和运行测试用例，获取测试用例中每个模块的输入输出值，对比变体测试用例与原Simulink测试用例的所有输入输出值，如果产生差异，则记录该差异信息。该方法增加了变体测试用例的多样性和随机性；通过嵌套僵尸区域添加大量测试用例模块的方法解决了变体测试用例与原Simulink测试用例差异性过小的问题。
-
公开(公告)号：CN113377422B
公开(公告)日：2024-04-05
申请号：CN202110642380.9
申请日：2021-06-09
Applicant: 大连海事大学
IPC: G06F8/71
Abstract: 本发明公开了一种基于深度学习识别自我承认技术债务方法，包括：构建文本的图形结构，基于图形的单词交互，将词嵌入向量作为门控图神经网络中图的节点特征的隐藏状态，将节点接收到的信息通过更新门确定有多少前一时刻和当前时刻的信息需要传递到下一时刻，节点接收到的信息通过重置门确定有多少前一时刻和当前的时刻的信息需要被舍弃，最终将获得重置门输出的信息和更新门输出的信息、以及自身节点的信息三者进行合并；使用Focal loss函数使损失值最小化，获得准确的预测结果；使用神经网络模型对预测结果进行预测，得到精确度、召回率以及精确度和召回率的调和平均值F1。
-
Patent Agency Ranking
公开(公告)号：CN117033189A
公开(公告)日：2023-11-10
申请号：CN202310946923.5
申请日：2023-07-28
Applicant: 大连海事大学
IPC: G06F11/36
Abstract: 本发明公开了一种基于蜕变关系的FPGA开发工具Debug测试方法，包括：生成测试用例并进行静态规范化检查；在测试用例T进行调试动作转换随机生成n个断点，分别编译运行仿真测试用例T1和测试用例T2，并比较结果；在测试用例T上采用转换机制一或转换机制二对测试用例T进行程序转换获得测试用例TT；分别编译运行仿真测试用例TT1和测试用例TT2，并比较仿真结果；分析仿真结果，当出现编译错误时，则将错误信息写入bug表，如果没有编译错误，则编译该程序并生成二进制电信号，将生成的二进制电信号与原始程序编译后的二进制电信号进行比较，如果产生差异，则将差异信息写入bug表当中，将测试用例文件保存至异常文件夹，如果没有差异则结束比较程序。
-
公开(公告)号：CN116610570A
公开(公告)日：2023-08-18
申请号：CN202310568700.X
申请日：2023-05-19
IPC: G06F11/36 , G06F18/241
Abstract: 本发明提供了一种基于蜕变测试的计算机辅助工程软件测试方法，可用于测试基于计算机辅助工程的工业软件，如开源项目OpenFOAM、FDS等；亦可根据特定工业软件的用例特征及领域知识，对本发明的相关步骤进行适配，从而对该特定工业软件进行自动化黑盒测试。本发明能够有效地对基于计算机辅助工程的工业软件进行自动化测试，帮助工业软件开发者在系统测试阶段更好地揭示产品故障，提高软件质量，降低软件开发成本。
-
公开(公告)号：CN116340145A
公开(公告)日：2023-06-27
申请号：CN202310123179.9
申请日：2023-02-16
Applicant: 大连海事大学
IPC: G06F11/36
Abstract: 本发明公开了一种基于休眠区变异的仿真软件测试方法，包括：将测试用例放入测试用例池进行静态规范化检查，逐个编译测试用例，判读测试用例是否正常编译并生成图形化预处理结果；对完成预处理的测试用例进行时延信息收集，将符合条件的时延拆分为两个新时延；在符合惯性时延条件的新时延后生成新的表达式从而构建休眠区；对休眠区代码进行组合逻辑环路破除操作并生成新的等价变体；采用等效模输入的差分测试方法比较等价变体与测试用例的输出结果以查找编译问题。基于本方法中的测试技术可以生成更多样化的测试变体，在已有的测试条件下已经可以测试出仿真软件的缺陷，保证了在芯片设计及高端制造业领域仿真工具的稳定性。
-
公开(公告)号：CN116204420A
公开(公告)日：2023-06-02
申请号：CN202310045492.5
申请日：2023-01-30
Applicant: 大连海事大学
IPC: G06F11/36
Abstract: 本发明公开了一种模块级Simulink测试用例稳定生成方法，包括：构建被测软件模块；对被测软件中官方模块库内所有最小单元标准模块排序；从被测软件官方模块库中生成所有模块；运行该被测用例，如编译失败则删除引起编译失败的模块链接组；将运行成功的被测用例中模块链接组的信息记录至被测软件模块分析数据库中；重复上述操作，直至遍历完毕被测软件中官方模块库内所有最小单元标准模块；随机生成测试用例阶段，从被测软件官方模块库中随机生成可产生信号的初始模块，将该模块的信息输入至被测软件模块分析数据库中查询其链接情况，运行生成完毕的测试用例，运行成功则保存，编译失败则丢弃，统计被测用例生成率。
-
公开(公告)号：CN110554964B
公开(公告)日：2023-05-16
申请号：CN201910834368.0
申请日：2019-09-03
Applicant: 大连海事大学
IPC: G06F11/36 , G06Q10/0631 , G06Q10/1057
Abstract: 本发明公开了一种基于深度强化学习的Web服务众包测试任务分配方法，包括：根据众包平台上的工人池和任务池内的数据信息、对深度强化学习的Web服务测试任务分配模型进行训练；众包平台接收需求者提交的测试任务，使用完成训练的Web服务测试任务分配模型进行测试任务的分配；工人接受并执行任务、将任务测试结果反馈给众包平台，众包平台将工人反馈的测试结果传送给相应的任务需求者。本方法通过使用深度强化学习方法DQN来训练Web服务测试任务分配模型，达到了对Web服务众包测试任务进行实时分配的效果，可以在一定程度上保证测试任务能够交由众包测试平台上比较合适的测试人员来处理，提升了测试效果。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.018 seconds)
