公开(公告)号：CN117806976A

公开(公告)日：2024-04-02

申请号：CN202410060237.2

申请日：2024-01-11

Applicant: 南京大学

Inventor： 杨已彪 ,  许沂聪 ,  孙茂林 ,  李清扬 ,  卢红敏 ,  周毓明

IPC: G06F11/36 ,  G06F18/213

Abstract: 本发明提出了一种增强特征的安全冗余排错检查去除方法。该方法主要包含以下步骤：1)将用户代码转换为LLVM中间表示；2)识别出代码中的排错检查；3)计算出每个检查分支的静态特征，在计算静态特征时包括额外的操作符的特征；4)执行测试用例得到每个分支的动态特征；5)根据分支间的动态特征与静态特征判定分支是否冗余，去除冗余的排错检查。本发明利用了增强的特征来识别冗余的排错检查，提高了冗余排错检查去除方法的安全性。

公开(公告)号：CN116932389A

公开(公告)日：2023-10-24

申请号：CN202310869091.1

申请日：2023-07-14

Applicant: 南京大学

Inventor： 杨已彪 ,  孙茂林 ,  许沂聪 ,  卢红敏 ,  周毓明

IPC: G06F11/36 ,  G06F18/214

Abstract: 本发明提出了一种基于大型预训练语言模型的求解器缺陷检测方法。该方法主要包括以下步骤：首先，将求解器标准库中的公式和历史触发缺陷的公式进行数据扩增作为训练集；其次，基于训练集使用“重训练‑微调”框架对预训练大模型进行定制化训练，以生成求解器的测试输入；最后，使用训练得到的模型生成求解器测试用例，并使用差分测试对多个求解器进行验证。该方法解决了针对求解器缺陷检测中测试用例难以高效生成和多样性测试输入难以生成的关键挑战。本发明提出的“重训练‑微调”框架能够利用预训练大语言模型学习求解器标准库和历史缺陷用例中的知识，从而生成合法有效、揭错能力强的测试输入。本发明为求解器缺陷检测提供了全新的解决方案。