-
公开(公告)号：CN117574375A
公开(公告)日：2024-02-20
申请号：CN202310847969.1
申请日：2023-07-12
Applicant: 华南理工大学
Abstract: 本发明属于软件漏洞检测领域，为基于复合程序表示的源代码漏洞检测方法，该方法包括步骤：首先，从源代码中提取三种源码中间表示并提取对应的路径；接着从提取的路径中移除额外的标记并构建路径序列，拼接所有的路径序列构建训练语料库；然后根据构建的语料库使用doc2vec模型训练代码嵌入模型；之后使用训练的嵌入模型得到源代码的向量表示形式并划分训练集、测试集和验证集；然后使用了结合正则化损失和四元组损失函数改进度量学习模型，使用训练集训练模型得到漏洞检测模型；最后使用训练后的漏洞检测模型检测源代码是否包含漏洞。本发明通过使用复合的源代码表示方法解决了现有方法基于单一特定的表示，忽视不同表示之间的互补关系，对代码的语义和语法信息表示不足的问题。
-
公开(公告)号：CN116932384A
公开(公告)日：2023-10-24
申请号：CN202310787796.9
申请日：2023-06-29
Applicant: 华南理工大学
IPC: G06F11/36 , G06N3/0464 , G06N3/084 , G06F18/25 , G06F18/213 , G06F18/24
Abstract: 本发明涉及软件工程中的软件可靠性保障领域，公开了一种基于多种类型特征融合和特征选择的软件缺陷预测方法，该方法包括：从源代码中提取语义表示、结构表示、软件度量元；将语义表示和结构表示分别用TextCNN和GIN进行特征提取，得到代码的语义特征和结构特征，并将其与软件度量元拼接组成特征集；其次，使用改进了特征重要性衡量方法的RFECV选择特征，得到精简的特征子集；最后，使用特征子集训练分类器，给出预测的缺陷类别。本发明能够综合代码的语义、结构和软件度量元三个角度的信息，同时避免特征集的冗余对预测性能的不良影响，有效提升软件缺陷预测模型的预测准确度和稳定性，解决了软件缺陷预测的特征不够全面、特征集中存在冗余特征的问题。
-
公开(公告)号：CN114694147A
公开(公告)日：2022-07-01
申请号：CN202210188226.3
申请日：2022-02-28
Applicant: 华南理工大学
IPC: G06V30/148 , G06N3/04 , G06N3/08 , G06V10/50 , G06V10/82
Abstract: 本发明公开了一种分割带有椭圆边框的椭圆形图案中的环绕文字的方法，包括：提供需要提取环绕文字的带有椭圆边框的椭圆形图案；将图案转为灰度图，将灰度图的前景和背景分隔开，得到二值化图像；获取图像上所有的轮廓，并拟合其中的每个轮廓，从中获得与椭圆边框对应的椭圆形状；根据获得的椭圆形状去除椭圆边框，得到不带边框的椭圆图像；判别图像中是否有水平文字；若有水平文字，则对图像进行校正，分割并提取水平文字，并去除水平文字；分割图像中的环绕文字。该方法可以有效将带有椭圆边框的椭圆形单色简单图案中水平文字和环绕文字分割出来。
-
公开(公告)号：CN101394274B
公开(公告)日：2012-02-29
申请号：CN200810218816.6
申请日：2008-10-31
Applicant: 华南理工大学
IPC: H04L9/18
Abstract: 本发明提供一种基于广义信息域的动态流加解密方法，实现本方法的系统包括相连的基于广义信息域的伪随机码发生器、加解密子系统，加解密子系统包括动态缓冲区尺寸控制模块、轨迹环变换矩阵生成模块、流加密模块、流解密模块，伪随机码发生器包括IV生成模块、IV规格化模块、m模块、约束化处理模块、密钥长度判断模块、物理重构模块、逻辑重构模块；伪随机码发生器分别与动态缓冲区尺寸控制模块、流加密模块和流解密模块相连，流加密模块和流解密模块通过调用入口与m模块相连。本发明实现加解密双方在约定的活动背景空间进行轨迹环变换及流加密，较好克服了常规密钥流产生器周期性问题，实现一次一密，抗常规密码分析能力强。
-
公开(公告)号：CN119441006A
公开(公告)日：2025-02-14
申请号：CN202411541350.9
申请日：2024-10-31
Applicant: 华南理工大学
IPC: G06F11/3604 , G06N3/0455 , G06N3/084 , G06F8/40
Abstract: 本发明涉及软件可靠性保障技术领域，为基于代码预训练模型高效参数微调的代码漏洞检测方法，方法包含以下步骤：对漏洞数据集的源代码进行预处理；S2、对预处理后的源代码进行转化处理，提取源代码对应的token序列和代码属性图路径；S3、构建代码漏洞检测模型，代码漏洞检测模型包括语义特征提取器、结构特征提取器、特征融合层和分类器；S4、将提取的源代码对应的token序列和代码属性图路径联合训练代码漏洞检测模型；S5、通过优化的代码漏洞检测模型输出待测源代码具否有漏洞的结果。本发明通过高效参数微调来微调模型，节省训练资源的并且获得良好的性能，通过融合同时学习源代码的语义和结构特征，提高了代码漏洞检测的效率和准确度。
-
Patent Agency Ranking
公开(公告)号：CN101394268B
公开(公告)日：2011-05-18
申请号：CN200810198489.2
申请日：2008-09-12
Applicant: 华南理工大学
Abstract: 本发明提供一种基于广义信息域的高级加密系统，包括相连接的基于广义信息域的伪随机码发生器、加解密子系统，该加解子密系统包括加、解密子系统；基于广义信息域的伪随机码发生器包括依次连接的初始地址信息IV生成模块、IV规格化模块、m模块、约束化处理模块、密钥长度判断模块，m模块还与活动背景生成模块相连接，活动背景生成模块包括物理重构模块、逻辑重构模块；加、解密子系统均包括分组系数与轮密钥生成模块、分组模块、位置交换模块、置换运算模块、轨迹环变换模块。本发明引入广义信息域，实现密钥安全性问题向广义信息域安全性问题转移；融合流密码和分组加密技术，实现一文一密，抗常规密码分析能力强。
-
公开(公告)号：CN101394274A
公开(公告)日：2009-03-25
申请号：CN200810218816.6
申请日：2008-10-31
Applicant: 华南理工大学
IPC: H04L9/18
Abstract: 本发明提供一种基于广义信息域的动态流加密系统，包括相连的基于广义信息域的伪随机码发生器、加解密子系统，加解密子系统包括动态缓冲区尺寸控制模块、轨迹环变换矩阵生成模块、流加密模块、流解密模块，伪随机码发生器包括IV生成模块、IV规格化模块、m模块、约束化处理模块、密钥长度判断模块、物理重构模块、逻辑重构模块；伪随机码发生器分别与动态缓冲区尺寸控制模块、流加密模块和流解密模块相连，流加密模块和流解密模块通过调用入口与m模块相连。本发明实现加解密双方在约定的活动背景空间进行轨迹环变换及流加密，较好克服了常规密钥流产生器周期性问题，实现一文一密，抗常规密码分析能力强。
-
公开(公告)号：CN101364868A
公开(公告)日：2009-02-11
申请号：CN200810198490.5
申请日：2008-09-12
Applicant: 华南理工大学
Abstract: 本发明提供一种基于广义信息域的伪随机码发生器，其包括依次连接的初始地址信息(IV)生成模块、IV规格化模块、密钥产生算法(m)模块、约束化处理模块、密钥长度判断模块，所述m模块同时还与活动背景生成模块相连接，所述活动背景生成模块主要由物理重构模块、逻辑重构模块连接组成。本发明突破传统密码学的二元限制，引入广义信息域概念，扩展为三元组结构，实现密钥安全性问题向广义信息域安全性问题的转移，提高抗密码分析的强度，进而提高信息保密性。本发明能够快速地产生非常长的伪随机码，用作密钥时可加大密钥空间的大小，能根据不同的用途提供特定的密钥。所产生的伪随机码具有初值敏感性及良好的随机性。
-
公开(公告)号：CN119166968A
公开(公告)日：2024-12-20
申请号：CN202411205366.2
申请日：2024-08-30
Applicant: 华南理工大学
Abstract: 本发明属于高性能计算技术领域，为基于昇腾Atlas矩阵计算单元的复数矩阵向量乘法计算方法，包含以下步骤：将划分后的计算任务分配给Atlas NPU的各个矩阵计算核心并行计算；vector计算单元将复数向量进行重新组合排布得到实部负虚部间隔和虚部实部间隔的两条列向量，将两条向量组合成一个列优先矩阵；调用矩阵运算单元完成矩阵向量乘法运算，得到复数结果向量的实部向量和虚部向量；通过vector计算单元合并复数结果向量的实部向量和虚部向量，将矩阵运算单元和vector运算单元进行计算核心粒度的同步，得到最终的复数结果向量。本发明无需对复数矩阵进行虚实分离，降低计算性能的消耗，加速复数矩阵向量乘计算，提高了复数矩阵向量乘法在NPU上的计算效率。
-
公开(公告)号：CN114694147B
公开(公告)日：2024-04-19
申请号：CN202210188226.3
申请日：2022-02-28
Applicant: 华南理工大学
IPC: G06V30/148 , G06V10/50
Abstract: 本发明公开了一种分割带有椭圆边框的椭圆形图案中的环绕文字的方法，包括：提供需要提取环绕文字的带有椭圆边框的椭圆形图案；将图案转为灰度图，将灰度图的前景和背景分隔开，得到二值化图像；获取图像上所有的轮廓，并拟合其中的每个轮廓，从中获得与椭圆边框对应的椭圆形状；根据获得的椭圆形状去除椭圆边框，得到不带边框的椭圆图像；判别图像中是否有水平文字；若有水平文字，则对图像进行校正，分割并提取水平文字，并去除水平文字；分割图像中的环绕文字。该方法可以有效将带有椭圆边框的椭圆形单色简单图案中水平文字和环绕文字分割出来。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.025 seconds)
