-
公开(公告)号：CN115757105A
公开(公告)日：2023-03-07
申请号：CN202211376896.4
申请日：2022-11-04
Applicant: 北京理工大学
IPC: G06F11/36
Abstract: 本发明提出一种基于概率扩展有限状态机的测试用例自动生成系统，能够提高测试用例生成的效率和质量，通过对处理后的PEFSM模型进行概率选择，最终生成测试用例。包括PEFSM模型构建模块、去除不可行路径模块、测试用例概率生成模块；PEFSM模型构建模块根据被测系统的需求说明和界面设计获取用户历史操作记录数据库中用于构建模型的相关数据，输出描述被测系统行为的PEFSM模型；去除不可行路径模块以所述PEFSM模型为输入，采用评估路径可行性度量方法识别并去除其中不可行路径，输出由迁移路径集合而成的可靠测试路径集；测试用例概率生成模块以可靠测试路径集为输入，对上下文变量进行初始化，并将路径集中的测试路径实例化，得到被测系统的测试用例。
-
公开(公告)号：CN115756477A
公开(公告)日：2023-03-07
申请号：CN202211371028.7
申请日：2022-11-03
Applicant: 北京理工大学
IPC: G06F8/41 , G06F8/65 , G06F18/241
Abstract: 本发明公开了一种基于多路智能推荐的低代码集成开发系统，通过代码模块仓库子系统对代码模块进行存储，并记录代码模块的质量信息和版本信息以及用户权限信息，降低了系统对业务场景的依赖，提高了系统的可用性和灵活性。通过低代码开发子系统实现对代码模块的修改更新；通过代码模块仓库子系统的多路智能推荐算法为低代码开发子系统检索推荐代码模块，能够对自定义代码模块进行选择性淘汰，实现对代码模块的分层聚类，根据质量水平系数进行代码模块的检索推荐，能够为用户提供更高质量的代码模块。通过自动化过程管理子系统建立过程跟踪与质量保证文档，提高了自定义的代码模块的质量保证，降低引入低代码开发平台带来的过程管理开销。
-
公开(公告)号：CN111931179B
公开(公告)日：2023-01-06
申请号：CN202010814447.8
申请日：2020-08-13
Applicant: 北京理工大学
Abstract: 本发明公开了基于深度学习的云端恶意程序检测系统及方法，属于软件安全技术领域，该方案效率更高、准确率更高。该系统包括信息获取模块、数据预处理模块以及训练模型模块。信息获取模块具体为：程序样本集中包含恶意程序检测时所使用的程序样本；程序自动执行样本用于在虚拟机中自动执行程序样本；虚拟机中每次运行一个程序样本，并在运行过程中提取系统实时参数信息和动态链接库信息，程序样本执行完成后，保存虚拟机快照，分析虚拟机快照得到内存取证信息；各信息送入数据预处理模块。数据预处理模块进行数据预处理得到动态链接库特征向量、系统实时参数矩阵以及内存取证矩阵送入到训练模型模块。训练模型模块预先构建并训练神经网络模型。
-
公开(公告)号：CN111897729B
公开(公告)日：2022-08-19
申请号：CN202010765951.3
申请日：2020-08-03
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于TensorFuzz的深度神经网络模糊测试框架和方法。采用配置的变异方式对从测试用例池中提取的测试用例进行变异，将变异后的测试用例作为当前测试用例，加载到深度神经网络模糊测试模型中进行处理；采用配置的覆盖分析度量标准，确定当前测试用例是否触发了新的覆盖；如果是，则将当前测试用例增加到所述测试用例池中；根据目标函数中的模糊测试目标，在当前测试用例触发“崩溃”时，将当前测试用例增加到所述测试用例池中；根据目标函数中的终止条件，如果判断满足终止条件，则结束模糊测试，否则从测试用例池中获取下一个测试用例，继续测试。使用本发明提高了模糊测试的效率和漏洞发现能力。
-
公开(公告)号：CN114201383A
公开(公告)日：2022-03-18
申请号：CN202110875380.3
申请日：2021-07-30
Applicant: 北京理工大学 , 绿盟科技集团股份有限公司
IPC: G06F11/36
Abstract: 本发明提供一种面向二进制程序的模糊测试系统，该系统主要包含三个模块，分别是程序追踪模块、测试用例选择模块和测试用例变异模块；程序追踪模块利用硬件程序追踪技术获得程序执行特征和指令特征，用于测试用例的选择和变异；测试用例选择模块根据测试用例特征维护一个优先队列，在测试用例选择时根据其是否在优先队列中进行概率性选择；该测试用例特征包括测试用例自身特征、模糊测试执行特征和硬件程序追踪得到的指令特征；测试用例变异模块根据测试用例特征确定其随机变异时的变异能量。本发明解决了目前大多数模糊测试存在的不支持对二进制程序测试或测试效果不佳、对测试过程中产生的有效信息利用不足的问题。
-
Patent Agency Ranking
公开(公告)号：CN109117367B
公开(公告)日：2022-02-22
申请号：CN201810820854.2
申请日：2018-07-24
Applicant: 北京理工大学
IPC: G06F11/36
Abstract: 本发明公开了一种模糊测试变异数量确定方法，适用于AFL破坏性变异过程中的变异数量确定，该方法针对每个测试用例i，计算该测试用例所执行路径P的路径频次freq(P)以及有效字节比例eff(i)；根据路径频次freq(P)和有效字节比例eff(i)调整分配给测试用例i的能量，根据所述能量确定变异数量；其中，路径频次freq(P)越大，则分配给测试用例i的能量越小；有效字节比例eff(i)越大，则分配给测试用例i的能量越大。本发明通过对AFL能量分配的改进，进而对模糊测试变异数量的确定进行改进，以便能够提高模糊测试的效率。
-
公开(公告)号：CN110175120B
公开(公告)日：2020-11-27
申请号：CN201910416959.6
申请日：2019-05-20
Applicant: 北京理工大学
IPC: G06F11/36
Abstract: 本发明公开了一种基于强化学习的模糊测试用例自适应变异方法和装置，该方法选择与待变异测试用例类型对应的变异操作组进行自适应变异的学习，从而能够有针对性地选择变异策略，进而实现更为细粒度的变异操作；本发明进一步采用类型信息和变异操作组成上下文信息输入单步强化学习模型，单步强化学习模型将不同变异操作的选择问题转化为多臂赌博机问题中不同摇臂的选择，使用上下文相关的置信区间上界算法LinUCB进行自适应变异操作的学习，以实现不同类型场景下的变异操作自适应学习，从而采用能够获得更高路径覆盖率的变异操作进行测试用例变异，提高模糊测试自适应变异的效率和质量。
-
公开(公告)号：CN111897735A
公开(公告)日：2020-11-06
申请号：CN202010791547.3
申请日：2020-08-07
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于粒子群和多标准的模糊测试用例选择方法和装置，可以针对目标二进制程序进行有效地漏洞检测。该方法以测试用例作为粒子，采用粒子群优化算法选择综合最优的测试用例作为下一轮待变异的测试用例；在粒子群优化过程中，利用选取的多个测试用例选择标准确定每个测试用例i的综合潜质，将粒子测试用例i在所有迭代中综合潜质的最大值作为个体最优解，将目前已执行的所有迭代中所有测试用例中综合潜质的最大值作为群体最优解，根据个体最优解和群体最优解进行粒子群优化，获得最优粒子作为待变异测试用例；并且利用测试用例的潜在价值和预期覆盖率动态地为所述待变异测试用例确定变异能量。
-
公开(公告)号：CN103810101B
公开(公告)日：2019-02-19
申请号：CN201410056779.9
申请日：2014-02-19
Applicant: 北京理工大学
IPC: G06F11/36
Abstract: 本发明提供了一种软件缺陷预测方法和软件缺陷预测系统，用以解决现有的软件缺陷预测精度不高的问题。包括：降维处理单元、SVM训练单元和缺陷预测单元；其中步骤一、根据局部线性嵌入算法LLE对第一训练数据集进行降维处理，得到第一训练数据集中每个样本点映射到低维空间中的低维向量，得到由各低维向量组成的第二训练数据集；步骤二、根据所述第二训练数据集对支持向量机SVM分类器进行训练，得到SVM分类器的最优分类超平面函数，进而得到训练好的SVM分类器；步骤三、根据所述训练好的SVM分类器对待预测软件进行缺陷预测。
-
公开(公告)号：CN109117142A
公开(公告)日：2019-01-01
申请号：CN201810793986.0
申请日：2018-07-19
Applicant: 北京理工大学
IPC: G06F8/53
CPC classification number: G06F8/53
Abstract: 本发明公开了一种基于变量关联树的基本类型重构方法，是一种轻量级的基本数据类型重构方法。该方法具体为：将待处理的二进制程序转化为汇编程序后以函数为单元进行如下处理：提取函数单元中汇编指令的操作数，构建变量关联树VRT，并建立对应的变量地址映射表VAM，利用汇编程序中寄存器和汇编指令中的变量类型信息作为第一约束规则，利用VRT中各变量间的运算关系作为第二约束规则，采用第一和第二约束规则分别对VRT中的节点的类型约束信息属性进行更新，采用汇编程序中已知函数的参数和返回值的类型信息在VRT上进行传播，获得最终VRT，以上过程中实时更新VAM中变量的类型约束信息属性。所有函数单元分析完成得到的VAM包含了基本类型重构结果。
-
-
-
-
-
-
-
-
-
Search Results
101
records
(took 0.082 seconds)
