一种基于逆向工程的安卓闭源服务类型信息提取方法

    公开(公告)号:CN113296834B

    公开(公告)日:2023-11-03

    申请号:CN202110557657.8

    申请日:2021-05-21

    Applicant: 南京大学

    Abstract: 本发明公开一种基于逆向工程的安卓闭源服务类型信息提取方法,包括以下内容:从安卓ROM中提取出服务编译产物所处文件;结合服务所处应用或进程的配置信息,从这些文件中提取出待测服务的通信序列化函数的字节码或ARM汇编代码;还原源代码中的控制流结构,以提取出服务接口的编码与对应的序列化指令串;从序列化指令串中还原出Parcel序列化API调用,以此推断出服务接口参数与返回值的类型信息。本方法可自动化地从安卓系统的编译产物中提取出闭源服务类型信息,覆盖应用服务、Java系统服务与Native系统服务,通用性强,类型模型准确度高。提取出的闭源服务类型信息,有助于对这些服务进行更高效地测试与漏洞挖掘。

    一种基于对抗攻击的自动驾驶连续测试方法

    公开(公告)号:CN116150767A

    公开(公告)日:2023-05-23

    申请号:CN202310184920.2

    申请日:2023-03-01

    Applicant: 南京大学

    Abstract: 本发明公开一种基于对抗攻击的自动驾驶连续测试方法,给定端到端自动驾驶软件作为测试对象,以图片作为输入,输出偏转角度用以控制虚拟汽车,设置输入图片中billboard区域为测试区域,设置期望行驶轨迹为测试目标;定位测试对象当前所处位置,基于测试目标,计算测试对象的期望偏转角;定位输入中的测试区域,添加高斯扰动噪声以模拟环境因素的影响,计算关于输入图片的梯度;基于子梯度迭代更新测试对象的输入;提取并使用仿射变换和插值变换将测试区域图像转换成billboard尺寸,并输入至虚拟摄像头,最终输出至测试场景中的billboard上;基于反馈信息和控制信息完成连续测试。本发明提高了以机器学习和深度学习为基础的自动驾驶软件的鲁棒性和安全性。

    以GeoJSON格式半结构化方式存储地理数据的MongoDB集群的地理数据读写方法

    公开(公告)号:CN104021210A

    公开(公告)日:2014-09-03

    申请号:CN201410276517.3

    申请日:2014-06-20

    Applicant: 南京大学

    CPC classification number: G06F17/30241 G06F17/30908

    Abstract: 本发明针对MongoDB集群设计了大规模地理数据存储方案,在MongoDB集群中以GeoJSON格式半结构化方式组织地理数据,使分布式高速MongoDB集群高效存储大规模地理数据成为可能。针对该地理数据存储方案,本发明提出了地理数据的读写方法以及可实现该地理数据读写方法的驱动程序,以OGR类库为地理数据读写驱动的设计架构,以GeoJSON格式半结构化的读写MongoDB集群地理数据源。本发明采用OGR函数库,在地理数据与MongoDB集群之间通过内存中构建的OGR对象建立桥梁,使针对MongoDB集群的地理数据高效读写成为可能,使得高性能地理分析算法可以运行在MongoDB数据库集群之上。

    一种基于速度预测的深度学习任务的调度方法

    公开(公告)号:CN111274036B

    公开(公告)日:2023-11-07

    申请号:CN202010068852.X

    申请日:2020-01-21

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于速度预测的深度学习任务的调度方法,包括速度模型构建和任务调度两部分。速度模型构建部分是构建一个神经网络模型来预测每一个任务在集群中运行时处理图片的速度,包括训练阶段和预测阶段:训练阶段首先对每个任务进行profiling,即收集每个任务在集群中不同分布式配置下的训练速度,构造数据集;采集每个任务在集群中训练的特征,构建速度模型并使用前一步构造的数据集训练这个速度模型。预测阶段集成到任务调度部分。任务调度部分利用速度模型预测任务在不同配置下的训练速度,使用定制化的模拟退火算法来决定集群的资源分配,从而达到有效利用集群资源的目的。

    一种基于深度学习的大气湍流监测方法

    公开(公告)号:CN110083977A

    公开(公告)日:2019-08-02

    申请号:CN201910397269.0

    申请日:2019-05-14

    Abstract: 本发明公开一种基于深度学习的大气湍流监测方法,包括训练阶段和监测阶段两部分:训练阶段设计数据格式,开放数据接口,为不同的数据源提供接入方案;利用气象模式资料进行降尺度数值模拟计算,输出目标区高分辨率气象要素场。同时,结合多个经验指数计算湍流强度。建立基于深度学习的湍流强度模型训练器,模型训练器输入样本为卫星云图、对应时空的高分辨率气象要素场以及湍流强度场,模型训练器输出为模型参数。监测阶段根据训练阶段中模型训练器得到的模型参数,建立基于深度学习的湍流强度推理器。推理器可以根据卫星云图与高分辨率气象要素场实时评估大气湍流强度,达到大气湍流监测的目的。

    一种支持多类型查询的路网索引方法

    公开(公告)号:CN118445318A

    公开(公告)日:2024-08-06

    申请号:CN202410439901.4

    申请日:2024-04-12

    Applicant: 南京大学

    Inventor: 曹春 徐经纬 曹卓

    Abstract: 本发明公开一种支持多类型查询的路网索引方法,包括:1)对路网和最短路径距离查询、k近邻查询、范围查询进行定义;2)用于道路网络中多类型查询的层次化索引SCG‑tree的带有捷径(shortcut)的树状结构;3)通过迭代式的图划分方法和基于评价指标的shortcut选择策略,在给定的道路网络上构建SCG‑tree索引的方法;3)基于SCG‑tree索引结构,通过使用索引中预计算并存储的距离矩阵以及shortcut距离矩阵,能够高效进行最短路径查询、k近邻查询和范围查询的查询方法;本发明能够在大规模道路网络中同时高效支持最短路径查询、k近邻查询和范围查询三种查询,弥补了现有索引只支持单一种类查询的不足,并且层次化的结构具有较小的存储开销,利用索引结构中的shortcut能够获得更高的查询速度。

    面向Serverless机器学习模型训练的动态可伸缩数据共享系统

    公开(公告)号:CN117973558A

    公开(公告)日:2024-05-03

    申请号:CN202410128606.7

    申请日:2024-01-30

    Applicant: 南京大学

    Abstract: 本发明公开一种面向Serverless机器学习模型训练的动态可伸缩数据共享系统,通过共享数据集描述API、协调服务装置、数据分片路由装置、数据分片共享装置和数据共享SDK等关键组件,实现对机器学习模型训练任务中数据共享的高效和灵活管理。用户可利用共享数据集描述API创建和管理数据集,协调服务装置负责整个数据集的生命周期管理,数据分片路由装置为训练任务提供数据共享服务,同时通过动态分片树结构实现分片范围和实例数量的动态调整。数据分片共享装置结合领域特定的缓存淘汰策略—最长采样距离(LSD)优化数据缓存,以提高共享效率。数据共享SDK通过并行异步预取机制,在不影响正常训练过程的情况下,提升数据访问速度。

    一种反序列化代码生成方法及装置

    公开(公告)号:CN116820428A

    公开(公告)日:2023-09-29

    申请号:CN202310845505.7

    申请日:2023-07-11

    Applicant: 南京大学

    Abstract: 本发明公开了一种反序列化代码生成方法及装置,适用于Python语言。具体方案为:获取被序列化对象,抽取其上下文信息;根据上下文信息对被序列化对象进行依赖分析,获取所有依赖对象和依赖关系;分析所述依赖对象的对象类型和所属模块,生成创建对应对象的代码语句;将所述代码语句根据所述依赖关系排序,生成反序列化代码。通过本发明的技术方案,可基于被序列化对象生成反序列化代码,减少人工编写反序列化代码的工作量,有效提升代码开发效率,并大大减少代码出现问题的可能性,且确保了代码的规范性以及正确性。

    一种用于深度学习模型训练的框架系统构建方法

    公开(公告)号:CN116402127A

    公开(公告)日:2023-07-07

    申请号:CN202310345188.2

    申请日:2023-04-03

    Applicant: 南京大学

    Abstract: 本发明公开一种用于深度学习模型训练的框架系统构建方法,将用户定义的模型计算图编译成流式计算框架的算子执行图;模型计算图中的每个节点对应算子执行图中的一组算子,通过对节点部署多个算子副本,以实现数据并行化训练,通过多个算子的前后连接,实现模型并行化训练;同时使用参数服务器的架构,将模型的参数分散于参数服务器的多个实例里面;然后系统接收来自IoT设备的数据流,进行处理产生样本,再不断地进行数据的分发;通过基于逻辑时间戳的模型参数同步方法与参数服务器算子进行参数更新。对比已有的大数据深度学习模型训练框架,本发明利用异步训练的方式,可以显著提高硬件的资源利用率、系统的吞吐率。

    一种流式爬虫实现方法及系统

    公开(公告)号:CN113297449A

    公开(公告)日:2021-08-24

    申请号:CN202110558553.9

    申请日:2021-05-21

    Applicant: 南京大学

    Abstract: 本发明公开一种流式爬虫实现方法及系统,包括以下内容:初始请求数据流的构建配置爬虫数据流转换图的构建流程;通过层次树模型对网站结构与数据对象模型的映射关系,利用对象模型构建请求数据流,并对请求数据流配置来绕过网站反爬策略;实现爬虫组件对数据流进行转化操作,构建爬虫数据流转换图,从请求数据流到下载页面数据流,再到结果数据流。本发明采取响应式编程的思想,通过构建整个爬虫的数据流转换图,生成基于响应式编程的异步流式爬取模型,将数据爬取过程中的阻塞操作通过异步来进行处理,相比较与传统爬虫方案,提高了开发效率、系统吞吐量和资源利用率,有很高的应用价值。

Patent Agency Ranking