无线传感器网络数据收集路由方法及装置

    公开(公告)号:CN101635975B

    公开(公告)日:2011-10-26

    申请号:CN200910023498.2

    申请日:2009-08-04

    Applicant: 西北大学

    Abstract: 一种无线传感器网络数据收集路由方法及装置,包括路由建立阶段、生成休眠调度阶段和数据收集阶段,有以下步骤:基站发出hello包,节点收到hello包,建立邻居表,广播hello包;节点等待随机时间,广播hello包或广播路由修复包;更新邻居表;节点监听无线信道,按照收到的数据包的类型等待邻居节点醒来后执行转发环境数据包或更新邻居表信息或发送hello包的动作。本发明的方法及装置基于异步休眠调度的机制,利用接收到的hello包与自身监听时间的差确定邻居节点的休眠周期,避免了时间同步引起的额外开销;且能在短时间内修复局部路由,并对定时器偏移累计引起的发送失败问题进行自适应修复。

    一种基于历史测试信息反馈的Java虚拟机模糊测试方法

    公开(公告)号:CN119166501A

    公开(公告)日:2024-12-20

    申请号:CN202411178640.1

    申请日:2024-08-27

    Applicant: 西北大学

    Abstract: 本发明公开了一种基于历史测试信息反馈的Java虚拟机模糊测试方法,本发明首先通过从OpenJDK中搜集修复历史缺陷的补丁测试代码组成语料库,随后对语料库的修复代码片段进行解析,提取出与缺陷相关代码片段,再对缺陷相关代码片段进行组装得到测试用例,能够尽可能的利用缺陷触发片段覆盖深层缺陷源码分支。然后对组装完成的测试用例进行差分测试,在差分测试过程中通过历史测试信息对缺陷相关代码片段进行反馈调度,更高效地发现JVM的功能缺陷和软件漏洞。

    基于对抗训练的无线信号感知模型构建、感知方法及系统

    公开(公告)号:CN112990026B

    公开(公告)日:2024-01-19

    申请号:CN202110296103.7

    申请日:2021-03-19

    Applicant: 西北大学

    Abstract: 本发明公开了基于对抗训练的无线信号感知模型构建、感知方法及系统,包括:采集无干扰数据和干扰数据,对无干扰数据标注动作分类标签,得到数据集;对数据集进行去噪和数据转化处理,得到预处理后的干扰数据和带有动作分类标签的无干扰数据;将干扰数据和带有动作分类标签的无干扰数据作为输入,以是否为干扰的判断结果和动作分类结果作为输出,训练对抗网络模型,训练完成后获得无线信号感知模型;再采用该无线信号感知模型对待处理的无线信号数据进行感知分类。本发明通过特征提取器和干扰判别器的对抗训练,使得特征提取器能够提取到不包含干扰的信号特征,解决难以预先建模的多径干扰分离函数的映射问题。

    一种基于MLIR的深度学习模型编译器

    公开(公告)号:CN117332850A

    公开(公告)日:2024-01-02

    申请号:CN202311385668.8

    申请日:2023-10-25

    Applicant: 西北大学

    Abstract: 本发明公开了一种基于MLIR的深度学习模型编译器,包括计算图表示模块、图算融合模块、代码生成模块和运行时模块;计算图表示模块导入深度学习模型并转换为MLIR中的tosa表达,并定义用于对kernel算子集合进行描述的cg方言;图算融合模块用于将tosa表达降级为多级方言的混合表达,再利用启发式融合算法进行算子融合;代码生成模块用于将融合后的算子降级为指定硬件的llvm ir表示,对kernel算子集合内部的计算密集型op进行数据切分,并转换为硬件友好的数据块大小,将计算任务与线程绑定;运行时模块用于将ir表达式转换为llvm方言,MLIR中的mlir‑cpu‑runner执行主机端代码,将设备端代码转为llvm ir,llvm后端生成供主机端调用的cubin文件。本发明便于将各种深度学习模型部署于不同硬件平台上。

    一种基于图网络模型的增量代码缺陷检测方法及系统

    公开(公告)号:CN113127341B

    公开(公告)日:2023-03-21

    申请号:CN202110325879.7

    申请日:2021-03-26

    Applicant: 西北大学

    Abstract: 本发明公开了一种基于图网络模型的增量代码缺陷检测方法及系统,包括训练阶段和测试阶段,训练阶段包括数据处理、代码构图、构造图卷积神经网络模型;所述的测试阶段包括增量代码生成,增量代码构图,缺陷代码检测;本发明在现有缺陷代码检测工作的基础上,将关联代码分析与缺陷代码检测工作结合进行结合,提出一种基于图网络模型的增量代码检测方法,该方法可以在软件项目版本发生变更后,通过关联代码分析来计算版本变更后的增量代码,并在此基础上将项目的版本变更信息与代码的特征信息进行融合表示成图的格式,最后借助网络模型对代码的特征进行学习,实现了对版本变更后缺陷代码快速检测的功能。

    一种基于图卷积网络的源代码漏洞检测方法

    公开(公告)号:CN111460450B

    公开(公告)日:2023-02-10

    申请号:CN202010168037.0

    申请日:2020-03-11

    Applicant: 西北大学

    Abstract: 本发明涉及一种基于图卷积网络的源代码漏洞自动检测方法,在训练阶段,进行数据获取和数据预处理,判断源代码是否有sink方法调用,对sink方法调用进行数据流分析,构造为代码属性图,计算代码属性图的邻接矩阵与特征矩阵,给代码属性图加标签,将代码属性图中的邻接矩阵和特征矩阵作为图卷积网络的输入,训练图卷积网络,得到训练好的网络模型;测试阶段进行数据获取和数据预处理,判断源代码是否有sink方法调用,进行数据流分析,构造为代码属性图,计算代码属性图的邻接矩阵与特征矩阵,输入训练好的图卷积网络模型,输出代码属性图的分类结果,表示代码属性图是否有漏洞即对应的sink方法调用是否含有漏洞。

Patent Agency Ranking