-
公开(公告)号：CN101883024A
公开(公告)日：2010-11-10
申请号：CN201010206355.8
申请日：2010-06-23
Applicant: 南京大学
Abstract: 本发明公开了一种跨站点伪造请求的动态检测方法，其步骤为：收集HTTP请求信息；根据收集到的信息，分析一个请求是否为CSRF嫌疑请求；针对嫌疑请求生成测试用例，找出嫌疑请求所包含的全部嫌疑参数。利用嫌疑参数生成若干伪造请求，每一个伪造请求形成一个测试用例；在生成嫌疑请求的环境重现时，执行每一个测试用例所对应的伪造请求；检测CSRF漏洞。根据嫌疑请求、嫌疑请求的执行信息、伪造请求和伪造请求的执行信息，分析伪造请求是否发现了Web应用中的CSRF漏洞，并形成报告，帮助Web应用开发者修复漏洞。本发明采用动态测试的方法检测CSRF漏洞，可以用较少的代价，快速而准确的发现Web应用中存在的CSRF漏洞。
-
公开(公告)号：CN101866316A
公开(公告)日：2010-10-20
申请号：CN201010206404.8
申请日：2010-06-23
Applicant: 南京大学
IPC: G06F11/36
Abstract: 本发明公开了一种基于相对冗余测试集约简的软件缺陷定位方法，首先对源程序进行插桩，执行测试用例，收集测试用例的执行信息；根据各个测试用例对源代码的覆盖情况，对整个测试集进行约简；最后计算语句块的怀疑率，按照其大小对语句块排序生成缺陷定位报告。在使用相同缺陷定位技术的前提下，通过本发明得到的代表集计算的缺陷定位效果要优于传统测试集约简得到的代表集计算的缺陷定位效果，且代表集规模相差不大。
-
公开(公告)号：CN115272238A
公开(公告)日：2022-11-01
申请号：CN202210907518.8
申请日：2022-07-29
Abstract: 本发明公开了一种基于深度学习的CT图像和WSI图像联合识别方法，其步骤是：1)WSI图像的归一化；2)进行无监督的训练以初始化网络结构；3)对初始化后的网络进行有监督的训练；4)分别得到的WSI图像和CT图像的特征后进行特征拼接；5)完成网络的训练，进行CT图像和WSI图像的协助识别。识别结果为患病则标记为阳性，否则标记为阴性。本发明方法充分利用CT图像特点和WSI图像特征，采用深度学习思想，运用较少的训练数据即可获得对患者的识别；本发明方法易于理解、计算开销小、算法迭代速度快，适用于海量患者的自动识别，具有良好的扩展性和鲁棒性。
-
公开(公告)号：CN115272233A
公开(公告)日：2022-11-01
申请号：CN202210905419.6
申请日：2022-07-29
Abstract: 本发明公开了一种基于注意力机制的胃部CT图像深度识别方法，其步骤是：1)CT图像预处理；2)对CT图像使用强化学习的方法进行数据增强；3)为CT图像构建对应的神经网络输入；4)搭建深度卷积神经网络模型，使用已标记CT图像对应的神经网络输入训练神经网络模型；5)使用神经网络模型预测CT图像和的协助识别。识别结果为患病则标记为阳性，否则标记为阴性。本本发明方法充分利用CT图像特点，采用深度学习思想，运用较少的训练数据即可获得对患者的识别；本发明方法易于理解、计算开销小、算法迭代速度快，适用于海量患者的自动识别，具有良好的扩展性和鲁棒性。
-
公开(公告)号：CN109087703B
公开(公告)日：2022-06-07
申请号：CN201810972458.1
申请日：2018-08-24
IPC: G16H50/20 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种基于深度卷积神经网络的腹腔CT图像腹膜转移标记方法，其步骤是：1)CT图像预处理；2)采用分水岭法分割预处理后的CT图像，提取候选结节；3)为候选结节构建对应的神经网络输入；4)搭建深度卷积神经网络模型，使用已标记候选结节对应的神经网络输入训练神经网络模型；5)使用神经网络模型预测未标记候选结节为肿瘤结节的概率，最后输出确定标记的所有CT图像，其中阴性标记表示未发生肿瘤腹膜转移，阳性标记表示发生了腹膜转移。本发明方法能够完成大量腹腔CT图像腹膜转移的自动标记，为恶性肿瘤诊疗提供依据；易于理解、实施简易，适用于海量腹腔CT图像的自动标记，具有良好的扩展性、鲁棒性和实用性。
-
Patent Agency Ranking
公开(公告)号：CN109191452A
公开(公告)日：2019-01-11
申请号：CN201811061701.0
申请日：2018-09-12
Abstract: 本发明公开了一种基于主动学习的腹腔CT图像腹膜转移自动标记方法，其步骤是：1）CT图像预处理，采用阈值法完成图像分割；2）提取图像特征，基于图像分割结果，选择图像颗粒提取灰度和纹理特征；3）采用随机游走分类法计算图像标记不确定性；4）基于标记不确定性和多样性选择CT图像供专家标记；返回步骤3）直至所有CT图像的标记已确定；5）输出确定标记的所有CT图像，其中阴性标记表示未发生腹膜转移，阳性标记表示发生了腹膜转移。本发明方法充分利用CT图像特点和肿瘤腹膜转移特征，应用主动学习思想，在少量专家标记的基础上，能够完成大量腹腔CT图像腹膜转移的自动标记，为恶性肿瘤诊疗提供依据。
-
公开(公告)号：CN107515822A
公开(公告)日：2017-12-26
申请号：CN201710700316.5
申请日：2017-08-16
Applicant: 南京大学
IPC: G06F11/36
Abstract: 本发明公开了基于多目标优化的软件缺陷定位方法，包括：整理软件项目的代码文件、BUG报告以及开发人员信息；提取代码文件和BUG报告中的关键词，基于词袋模型计算代码文件和BUG报告的文本相似度函数；基于代码文件的结构特征度量，计算代码文件的结构复杂度函数；基于代码文件的开发人员信息，计算人员生疏度函数；给定BUG报告，基于上相似度函数、结构复杂度函数和开发人员生疏度函数函数，采用基于多目标优化的二阶段排序方法对代码文件进行排序，输出高缺陷怀疑率的代码文件。本发明计算简单，扩展性强，能快速有效地定位缺陷代码，可用于不同类型的代码文件，适用于大规模软件产品的开发和维护过程。
-
公开(公告)号：CN106485223A
公开(公告)日：2017-03-08
申请号：CN201610891454.1
申请日：2016-10-12
Applicant: 南京大学
CPC classification number: G06K9/00624 , G06K9/6269
Abstract: 本发明公开了一种砂岩显微薄片中岩石颗粒的自动识别方法，其步骤是：1)对输入的砂岩显微薄片进行高斯平滑滤波预处理，提取像素颜色和纹理特征，组成像素相似度度量的特征向量；2)利用图遍历算法和相似性度量方法寻找每个像素的邻近像素群；3)计算邻近像素群的统计特征作为像素的特征向量；4)基于岩石颗粒样本数据集训练逻辑回归分类器；5)预测每个像素属于石英、长石、岩屑的概率，确定噪声点；6)对噪声点进行处理，确定岩石颗粒划分和类别。本方法运用图像处理技术和机器学习方法，自动识别砂岩显微薄片中的岩石颗粒，能够解决岩石颗粒区域边界的定位和岩石颗粒内杂质的识别，具有较高的准确性，降低岩石颗粒识别的时间和成本；在矿物鉴别、油气勘探中具有应用价值。
-
公开(公告)号：CN103236013B
公开(公告)日：2016-03-30
申请号：CN201310167850.6
申请日：2013-05-08
Applicant: 南京大学
Abstract: 本发明公开了一种基于关键股票集识别的股票市场大盘数据分析方法，其步骤是：1）收集数据，计算股票成交量之间的关联关系，构建股票关联网络；2）在股票关联网络中，以迭代的方式应用搜索算法识别关键股票集合；3）根据关键股票的价格走势，以成交量为权重计算大盘走势期望。本发明方法充分挖掘股票成交量之间的关联关系，能够根据股票市场的交易情况，准确判定处于活跃状态且具有影响力的股票，提高股票市场大盘走势预测的准确性。计算简单，具有时效性、灵活性和扩展性，可调整对历史数据的处理需求，适用于股票市场数据量大且股票交易变动频繁的情况。
-
公开(公告)号：CN105183715A
公开(公告)日：2015-12-23
申请号：CN201510549592.7
申请日：2015-08-31
Applicant: 南京大学
Abstract: 本发明公开了一种基于词分布和文档特征的垃圾评论自动分类方法，首先收集网络评论，对评论分词得到关键词集合；再建立词分布矩阵，训练语言模型，计算未标注网络评论属于正常评论和垃圾评论的分类概率；之后提取网络评论的文档特征，计算未标注网络评论的分类概率；最后对分类概率计算加权平均，重复上述步骤直到前后两次计算的分类概率相同或达到给定的迭代次数。该方法综合考虑网络评论中词分布特征和文档特征，通过自学习策略自动完成网络评论分类，帮助识别其中的垃圾评论的方法。本发明计算简单，通用性和扩展性强，只要少量具有标注的网络评论即可对大量的评论进行实时分类，适用于即时更新的网络评论中快速识别垃圾评论的应用需求。
-
-
-
-
-
-
-
-
-
Search Results
87
records
(took 0.016 seconds)
