公开(公告)号：CN115617693A

公开(公告)日：2023-01-17

申请号：CN202211462877.3

申请日：2022-11-22

Applicant: 北京理工大学

Inventor： 单纯 ,  廖书妍 ,  钟晨 ,  闫憬睿 ,  韩瑾锐

IPC: G06F11/36 ,  G06N3/00

Abstract: 一种基于粒子群算法的深度学习库接口测试方法，把测试样本的生成过程抽象成粒子寻找最优位置的过程，通过对粒子前进方向和前进距离的选择，使生成的测试样本能尽可能暴露深度学习库接口缺陷。该方法能够有效减少测试所需的测试样本数量，提高了测试效率，同时基于对测试预言问题解决方案的定义，提高了对深度学习库缺陷检测的准确性，降低了误报。

公开(公告)号：CN118550817A

公开(公告)日：2024-08-27

申请号：CN202410529849.1

申请日：2024-04-29

Applicant: 北京理工大学

Inventor： 单纯 ,  廖书妍 ,  李颖 ,  袁政 ,  徐灵龙

IPC: G06F11/36 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及深度学习领域，具体涉及一种基于模糊测试的深度学习库缺陷检测方法、设备和介质,能够增加对深度学习库代码的探索能力，提高库缺陷检测的能力,通过生成多样性高的模型，具体是尽可能生成结构丰富、参数取值丰富以及权重取值丰富的模型，从而增加对深度学习库代码的探索能力；在模型训练和预测阶段检测深度学习库缺陷，提高库缺陷检测的能力。

公开(公告)号：CN114706780A

公开(公告)日：2022-07-05

申请号：CN202210389330.9

申请日：2022-04-13

Applicant: 北京理工大学

Inventor： 单纯 ,  张浩伦 ,  廖书妍 ,  周彦哲 ,  彭哲恒

IPC: G06F11/36 ,  G06N20/20 ,  G06N20/10 ,  G06K9/62

Abstract: 本发明提供了一种基于Stacking集成学习的软件缺陷预测方法，本发明不是人工根据先验知识或者搜索算法进行组合，而是通过Stacking集成学习算法将RF、XGBoost和SVM三个基模型作为初级模型，将缺陷数据集样本特征输入到初级模型中训练且得到三个基模型对待测样本预测为缺陷样本的概率值，然后将三个概率值进行特征组合，作为输入次级模型LR的二次特征，最后将二次特征作为LR的输入，对LR模型进行训练，得到基于Stacking集成学习的软件缺陷预测复合模型(XGBoost‑RF‑SVM)‑LR；也就是说，本发明将四个弱分类器组合成为强分类器，在一定程度上提高了预测的精度。

公开(公告)号：CN114706780B

公开(公告)日：2024-07-19

申请号：CN202210389330.9

申请日：2022-04-13

Applicant: 北京理工大学

Inventor： 单纯 ,  张浩伦 ,  廖书妍 ,  周彦哲 ,  彭哲恒

IPC: G06F11/36 ,  G06N20/20 ,  G06N20/10 ,  G06F18/2411 ,  G06F18/2431 ,  G06N5/01

Abstract: 本发明提供了一种基于Stacking集成学习的软件缺陷预测方法，本发明不是人工根据先验知识或者搜索算法进行组合，而是通过Stacking集成学习算法将RF、XGBoost和SVM三个基模型作为初级模型，将缺陷数据集样本特征输入到初级模型中训练且得到三个基模型对待测样本预测为缺陷样本的概率值，然后将三个概率值进行特征组合，作为输入次级模型LR的二次特征，最后将二次特征作为LR的输入，对LR模型进行训练，得到基于Stacking集成学习的软件缺陷预测复合模型(XGBoost‑RF‑SVM)‑LR；也就是说，本发明将四个弱分类器组合成为强分类器，在一定程度上提高了预测的精度。

公开(公告)号：CN116702738A

公开(公告)日：2023-09-05

申请号：CN202310625586.X

申请日：2023-05-30

Applicant: 北京理工大学

Inventor： 单纯 ,  王余阳 ,  胡立国 ,  廖书妍 ,  吴沛丰

IPC: G06F40/194 ,  G06F11/36

Abstract: 本发明公开基于QL‑UE算法与多测试预言的算子缺陷检测方法，以设定数量的算子实例作为输入数据，并将算子实例加入种子队列中；依次从种子队列取出所有算子实例，对算子的参数构建参数空间，基于所述参数空间对算子参数进行变异策略设计，QL‑UE算法根据变异策略对算子实例的参数进行变异得到变异算子实例样本；使用相似参数测试、同库差分测试、文档测试三种测试预言方案对算子实例进行测试，生成潜在缺陷文件、成功文件，通过对潜在缺陷文件进行分析，就有可能发现缺陷；最后判断变异次数是否达到上限，如果是，选择一定数量的潜在缺陷文件、成功文件进行版本测试与环境测试；本发明能尽可能多生成有效测试样本，提高测试效率。

公开(公告)号：CN115617693B

公开(公告)日：2023-04-07

申请号：CN202211462877.3

申请日：2022-11-22

Applicant: 北京理工大学

Inventor： 单纯 ,  廖书妍 ,  钟晨 ,  闫憬睿 ,  韩瑾锐

IPC: G06F11/36 ,  G06N3/006

Abstract: 一种基于粒子群算法的深度学习库接口测试方法，把测试样本的生成过程抽象成粒子寻找最优位置的过程，通过对粒子前进方向和前进距离的选择，使生成的测试样本能尽可能暴露深度学习库接口缺陷。该方法能够有效减少测试所需的测试样本数量，提高了测试效率，同时基于对测试预言问题解决方案的定义，提高了对深度学习库缺陷检测的准确性，降低了误报。