-
公开(公告)号：CN117724954A
公开(公告)日：2024-03-19
申请号：CN202311054127.7
申请日：2023-08-21
Applicant: 南京匡吉信息科技有限公司 , 南京大学
Abstract: 本发明公开了一种基于增量构建的构建依赖错误快速检测方法，包括：静态依赖图构建、实际依赖图构建、实际依赖图补全以及依赖错误检测。静态依赖图构建部分包括GNUMake内部数据库信息获取、解析数据库信息以获取静态依赖图以及假目标处理；实际依赖图构建部分包括构建过程监控以及解析追踪日志以获取实际依赖图；实际依赖图补全部分包括历史依赖图更新、基于构建命令执行的实际依赖图补全、基于文件变更的实际依赖图补全；依赖错误检测部分包括缺失依赖检测以及冗余依赖检测。通过增量构建快速获取构建过程对应的实际依赖图，显著减少检测所需的构建时间和计算资源成本，帮助开发人员以更高的效率和更低的成本检测构建脚本中的依赖错误。
-
公开(公告)号：CN114240201A
公开(公告)日：2022-03-25
申请号：CN202111574094.X
申请日：2021-12-21
Applicant: 南京匡吉信息科技有限公司
Abstract: 本发明公开了一种基于供应链背景下的智慧数据中台，包括数据获取模块，用于获取并清洗数据中台使用者的相关数据；数据控制模块，用于将数据存储，并为智能推荐模块，智能预测模块提供数据支持；智能推荐模块，可根据最新数据计算出数据中台使用者销售商品推荐、采购清单推荐等多种推荐结果；智能预测模块，可根据最新数据通过智能预测引擎计算出未来需求，退货量、销售额等多种预测结果；结果数据展示模块和结果数据输出模块，可将智能预测模块和智能推荐模块的结果对外以多种数据进行展示输出；本发明提高了需求预测和商品推荐的精准度，优化了供应链整体的性能。
-
公开(公告)号：CN118607646A
公开(公告)日：2024-09-06
申请号：CN202410605182.9
申请日：2024-05-16
Applicant: 南京匡吉信息科技有限公司 , 南京大学
IPC: G06N5/045 , G06F21/57 , G06F18/2415 , G06F18/214 , G06F18/20 , G06N5/04 , G06N3/045
Abstract: 本发明公开了一种用于软件漏洞检测的深度学习增强大语言模型提示方法，包括步骤：S1.上下文学习代码候选集合：运用局部敏感哈希算法于训练集中，筛选出N个与目标最相似的代码段落选；S2.集成模型：集成多个维度的小参数规模模型，包括BERT类小参数模型，基于代码图特征识别的小参数模型以及基于字符关系识别的小参数模型，通过比较评估选择模型；S3.漏洞预测：基于训练集，利用小参数模型训练网络，对漏洞进行概率预测；S4.组合问答对：将候选代码与模型预测漏洞概率结合，将候选代码与小参数模型产生的漏洞预测值整合，构建问答对，以便进一步分析。
-
公开(公告)号：CN115964719A
公开(公告)日：2023-04-14
申请号：CN202211705508.2
申请日：2022-12-29
Applicant: 南京匡吉信息科技有限公司
IPC: G06F21/57 , G06F40/284 , G06F40/216 , G06F16/35 , G06N3/0464 , G06N3/0442 , G06N3/0455 , G06N3/047 , G06N3/084
Abstract: 本发明公开了一种面向安全缺陷报告识别的方法与系统，根据文件上传缺陷报告，通过解析缺陷报告的描述和总结，利用深度学习网络判断出该缺陷报告是否为安全缺陷报告；统计项目中的安全缺陷报告结果得到项目的安全缺陷报告数据；根据缺陷报告提交的安全性实现对缺陷报告的管理。本发明实施例的技术方案，实现了在软件开发维护过程中，根据提交的缺陷报告，准确识别出其安全状态，并完成对历史缺陷报告的识别管理、安全缺陷报告的数据统计，方便从业者高效地识别并管理安全缺陷报告，提前了对安全漏洞的修复时机，有效地保障了软件的安全性。
-
公开(公告)号：CN115827061A
公开(公告)日：2023-03-21
申请号：CN202211168735.6
申请日：2022-09-24
Applicant: 南京匡吉信息科技有限公司
Abstract: 本发明提出了一种基于代码分割的个人代码质量度量方法，所述方法包括：根据目标软件的应用领域，确定个人代码质量度量的最小单位，并选择可维护性、可读性、复杂性等多种代码质量属性作为代码质量度量的维度；使用静态代码分析工具扫描项目代码，得到代码质量度量单位的代码度量指标及对应的位置信息；利用代码度量指标，使用代码质量属性算法计算可维护性、可读性、复杂性等代码质量属性的原始值，等。本方法有效提升了个人代码质量度量的精细度和时效性。本发明还涉及基于代码分割的个人代码质量度量系统，所述系统实现了上述个人代码质量度量方法，并且可以基于开发团队已有工具容易地嵌入到团队的开发流程当中进行高效的个人代码质量度量。
-
Patent Agency Ranking
公开(公告)号：CN115297112A
公开(公告)日：2022-11-04
申请号：CN202210912913.5
申请日：2022-07-31
Applicant: 南京匡吉信息科技有限公司
IPC: H04L67/10 , H04L67/1008 , H04L41/0631 , H04L43/08 , H04L43/50
Abstract: 本发明公开了一种基于Kubernetes的动态资源配额及调度组件，该组件包括：获取Kubernetes集群中的应用服务的历史资源使用量；采用ARIMA和LSTM预测模型分析各应用资源使用量并进行动态调整配额；获取每个Node节点的各资源实际使用量；从多个维度评估节点Node和待调度Pod的适配程度；将待调度Pod调度至目标Node节点。本发明提供的组件对传统Kubernetes资源配额方法进行改造，利用时间序列预测模型预测Pod资源使用量并动态调整配额；将Kubernetnes调度模块改造，利用节点Node实际资源使用量，从CPU、内存、网络带宽、磁盘IO和优先级等维度进行评估将Pod调度到目标节点Node。降低Kubernetes用户在部署应用时确定资源使用量的难度，解决了数据密集型或I/O密集型应用调度不均衡的问题。
-
公开(公告)号：CN115271466A
公开(公告)日：2022-11-01
申请号：CN202210912905.0
申请日：2022-07-31
Applicant: 南京匡吉信息科技有限公司
IPC: G06Q10/06 , G06F16/9535 , G06F16/215 , G06F16/28 , G06F40/289
Abstract: 本发明涉及一种对基于软件众包平台的众包工人综合评估方法，所述方法包括以下步骤：步骤1：对众包工人的能力进行定量评估，得到众包工人的能力得分；步骤2：对众包工人与项目的匹配度进行定量评估，得到众包工人的匹配度得分；步骤3：将众包工人的能力得分与匹配度得分进行加权综合，得到最终的综合得分。本文所述众包工人评估模型对众包的三个参与方都有收益，对于发布者来说，评估能够为其选人提供参考，减小选用低水平工人的概率，提升与项目匹配度较高的优秀众包工人的选用概率，算法可解释性强，有利于提升雇主与众包工人的契合度，并提升发布者的众包体验。
-
公开(公告)号：CN114296964A
公开(公告)日：2022-04-08
申请号：CN202111635794.5
申请日：2021-12-29
Applicant: 南京匡吉信息科技有限公司
Abstract: 本发明公开了一种共识交易轨迹可视化追踪的方法，包括如下步骤：S110：在Hyperledger Fabric共识交易关键源码中嵌入自定义日志；S120：收集Hyperledger Fabric节点容器中产生的运行交易日志，以及步骤S110中嵌入的自定义日志；S130：解析出步骤S120收集的自定义日志内容；S140：对自定义日志内容进行逻辑处理转换为点边关系。本发明实施例基于区块链节点追踪与可视化的监管技术领域，采用日志分析技术，以可视化的方式还原出共识交易过程中，节点之间的调用轨迹。一方面填补了区块链节点追踪与可视化的监管技术空缺，另一方面基于追踪到的调用数据，方便后续对检测区块链异常交易行为进行研究。
-
公开(公告)号：CN118981332A
公开(公告)日：2024-11-19
申请号：CN202411059016.X
申请日：2024-08-02
Applicant: 南京匡吉信息科技有限公司
Abstract: 本发明涉及一种基于图神经网络的Pull Request优先级排序方法，属于软件开发领域，代码评审是对编写的代码进行系统的检查和审查过程，以便提高代码质量和可维护性。代码评审是拉式开发中的一个重要环节，拉取请求Pull Request是一种常见的代码审查方式。随着仓库中项目的规模不断扩大，PR的数量逐渐增多，因此对于评审者而言，选择高优先级的的PR优先进行评审是一个重要问题。本发明提出了一个PR优先级排序模型，旨在为PR评审者提供高优先级、高质量的PR进行选择，从而保障项目的质量和进一步开发。
-
公开(公告)号：CN117724750A
公开(公告)日：2024-03-19
申请号：CN202311054130.9
申请日：2023-08-21
Applicant: 南京匡吉信息科技有限公司 , 南京大学
IPC: G06F8/70 , G06F8/10 , G06F16/33 , G06F40/211 , G06F40/216 , G06F40/284 , G06F40/289 , G06F40/30
Abstract: 本发明公开了一种结合了软件制品共识词对抽取与信息检索技术的自动化需求到代码追踪线索生成方法，包括：步骤1、抽取需求文本中的候选词对；步骤2、抽取代码中的候选词对；步骤3、识别需求与代码之间的共识词对；步骤4：提出共识词对补充策略并按照该策略将共识词对分别补充到需求与代码文本中；步骤5：基于信息检索计算生成需求到代码的初始候选追踪列表；步骤6：结合需求文本结构计算需求与代码之间共有共识词对的全局和局部权重；步骤7：利用共识词对的局部权重和全局权重优化候选追踪列表。通过利用需求与代码之间的共识词对，结合代码与需求的结构信息对基于信息检索的软件可追踪生成方法优化，提升了候选追踪列表的准确率和召回率。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.029 seconds)
