公开(公告)号：CN107480141B

公开(公告)日：2020-09-18

申请号：CN201710753984.4

申请日：2017-08-29

Applicant: 南京大学

Inventor： 吕建 ,  徐锋 ,  姚远 ,  席圣渠

IPC: G06F40/205 ,  G06F11/36 ,  G06N3/02

Abstract: 本发明公开了一种基于文本和开发者活跃度的软件缺陷辅助分派方法，通过考虑缺陷报告的文本信息以及开发者的活跃程度，一方面利用双向循环网络加池化方法提取缺陷报告的文本特征，一方面利用单向循环网络提取特定时刻的开发者活跃度特征，并融合两者，给出了一个新的基于缺陷报告文本和开发者活跃度的缺陷分派模型，从而较好地提高了辅助缺陷分派准确率低的问题。在Eclipse等四个不同的开源项目数据集上的实验结果表明，本方法较同类工作在缺陷分派预测准确率上有显著提升。

公开(公告)号：CN111541685A

公开(公告)日：2020-08-14

申请号：CN202010312742.3

申请日：2020-04-20

Applicant: 南京大学

Inventor： 姚远 ,  曹春 ,  胡翔

IPC: H04L29/06 ,  H04L29/08 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开一种基于网络结构学习的边缘云异常检测方法，包括以下内容：云计算中心数据采集，网络结构学习，以及边缘云异常检测与预警；其中云计算中心数据采集指对边缘云进行网络拓扑结构构造和特征提取；网络结构学习指对构造的网络结构进行学习训练；边缘云异常检测与预警指利用学习得到的网络结构对边缘云进行异常预测，将预测异常的节点通知云系统预警。本方法在预测存在异常行为的边缘云方面，打破了传统方法的独立性假设，通过学习网络结构来考虑边缘云之间可能存在的关联性，以达到提高边缘云异常检测准确率的目的。该方法对云计算系统中边缘云异常检测和安全保障有重大帮助，有很高的应用价值。