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

Inventor： 吴欢欢 ,  崔展齐 ,  郑丽伟 ,  刘建宾

IPC: G06N3/08 ,  G06N3/04 ,  G06N3/12 ,  G06F11/36

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

Inventor： 杨慧文 ,  崔展齐 ,  贾明华 ,  刘秀磊 ,  刘建宾 ,  郑丽伟

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。

公开(公告)号：CN111275123A

公开(公告)日：2020-06-12

申请号：CN202010084808.8

申请日：2020-02-10

Applicant: 北京信息科技大学

Inventor： 蒋志文 ,  崔展齐 ,  郑怡亭 ,  胡川

IPC: G06K9/62 ,  G06N20/00

Abstract: 本发明实施例提供的大批量对抗样本生成方法及系统，包括：抽样构建抽样样本集；基于样本扰动向量的对抗样本生成方法，获取每个抽样样本的扰动向量，以构建扰动样本集；对扰动样本集中的每个扰动样本进行扰动幅度转换，构建扰动幅度集，求取扰动幅度集的平均扰动幅度值；根据扰动幅度集的平均扰动幅度，获取原始样本集的平均扰动幅度值；基于扰动幅度的对抗样本生成方法，根据平均扰动幅度值，获取与原始样本集对应的对抗样本集。本发明提供的大批量对抗样本生成方法及系统，基于抽样获取部分样本的扰动向量并转换为扰动幅度后，快速大批量地生成对抗样本，降低了生成对抗样本的时间，提高了获得对抗样本的效率，以提升深度神经网络模型的鲁棒性。

公开(公告)号：CN109992507A

公开(公告)日：2019-07-09

申请号：CN201910220776.7

申请日：2019-03-22

Applicant: 北京信息科技大学 ,  中国科学院信息工程研究所

Inventor： 谢章伟 ,  刘剑 ,  李元 ,  杨睿其 ,  崔展齐

IPC: G06F11/36

Abstract: 本发明实施例提供的基于模拟执行的程序模糊测试方法及装置，所述方法包括：获取当前测试用例，利用所述当前测试用例对待测试程序进行模糊测试，获得测试结果，判断所述测试结果是否满足测试结束条件，获得第一判断结果；若所述第一判断结果为否，则对当前测试用例进行测试用例更改操作，获得新测试用例，根据所述新测试用例和预存的约束条件集进行程序模拟，获得模拟结果，判断所述模拟结果是否满足约束条件，获得第二判断结果；若所述第二判断结果为是，则利用所述新测试用例对待测试程序进行模糊测试，获得新测试结果，并在所述新测试结果满足测试结束条件时，输出测试报告。实现减少反复执行程序次数，降低花销提高运行效率的目的。

公开(公告)号：CN109977030A

公开(公告)日：2019-07-05

申请号：CN201910343573.7

申请日：2019-04-26

Applicant: 北京信息科技大学

Inventor： 谢瑞麟 ,  崔展齐

IPC: G06F11/36

Abstract: 本发明实施例提供一种深度随机森林程序的测试方法及设备，该方法包括根据一代测试用例集获取一代三级覆盖率信息，一代三级覆盖率信息包括第一多粒度扫描完全覆盖率信息、第一级联森林任一类型覆盖率信息和第一级联森林全类型测试覆盖率信息；若一代三级覆盖率信息不符合预设测试要求，则对一代测试用例集的测试用例三级覆盖率进行排序处理，得到排序结果，根据排序结果得到父代交叉算子信息；对父代交叉算子信息进行交叉变异操作，以更新一代测试用例集，直至符合预设测试要求。通过测试覆盖率计算标准，得到三级覆盖率信息，且整个测试流程可以在达到预设测试要求时自动停止，降低了测试的成本。