-
公开(公告)号：CN116087199A
公开(公告)日：2023-05-09
申请号：CN202211553488.1
申请日：2022-12-06
Applicant: 南京工业大学
IPC: G01N21/88 , G06V10/764 , G06V10/82 , G06V10/776 , G06V10/774 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/082
Abstract: 一种基于深度卷积的金属链板裂纹检测装置，包括控制器，以及与控制器信号连接的摄像头、显示屏、图像处理模块和报警设备；控制器内搭载嵌入式操作系统，通过任务机制控制摄像头和图像处理模块并发工作；摄像头将采集到的链板图像通过控制器传输至图像处理模块，图像处理模块采用具有并行运算能力和承载linux系统的处理芯片，使其运行基于深度卷积的金属裂纹检测算法模型，判断当前链板图片是否存在金属裂纹，控制器根据图像处理模块回传的结果判断是否需要驱动报警设备进行报警，同时将检测到的裂纹图像结果传输到显示屏进行显示。本发明通过智能设备解决制碱车间金属链板裂纹检测，节省人工检测链板裂纹的成本，同时实现了在恶劣环境下的准确识别。
-
公开(公告)号：CN113596848A
公开(公告)日：2021-11-02
申请号：CN202110847324.9
申请日：2021-07-27
Applicant: 南京工业大学
Abstract: 本发明提出的面向NOMA无线视频多播的内容缓存和频谱分配联合设计方法。该方法综合考虑缓存资源、功率和带宽资源的联合分配，目的是在多维资源约束下，最大化多播组内用户的整体视频接收质量。本方法首先，将频谱分配和分层视频缓存建模为一个混合整数线性规划问题。然后，为了便于处理将该优化问题解耦为组内频谱约束和缓存约束的资源分配子问题。最后将组内频谱约束和缓存约束的资源分配子问题转化为背包问题，并设计面向多播组的PSNR优先算法求解。在此基础上，设计多播组内分层内容缓存算法获得最优PSNR和最优分层视频缓存方案。仿真结果表明，本方案在网络资源利用率和视频接收质量等方面优于现有的方法。
-
公开(公告)号：CN113268423A
公开(公告)日：2021-08-17
申请号：CN202110568249.2
申请日：2021-05-24
Applicant: 南京工业大学
Abstract: 本发明涉及一种深度学习变异算子约简方法。首先，利用变异算子为每个源模型生成一系列变异体进行变异测试，通过数据清洗、数据归一化的方法进行特征信息提取，为每一个变异体建立变异特征矩阵MATRIX_MM；然后，对所有变异特征矩阵MATRIX_MM进行数据整理，为每一个变异算子建立算子特征矩阵MATRIX_OP；再基于此矩阵，利用BP神经网络构建模型的方法，为每个变异算子建立一个预测模型PRE_MODEL；最后将待测程序特征输入每个预测模型，最终得到适合该待测程序的变异算子子集。通过本发明的深度学习变异算子约简方法，可以过滤冗余变异算子、减少变异体测试执行开销，从而提升测试效率，节省深度学习软件研发时间。
-
公开(公告)号：CN119180036A
公开(公告)日：2024-12-24
申请号：CN202411247118.4
申请日：2024-09-06
Applicant: 南京工业大学
Abstract: 本发明提出一种基于跨合约重入语义图的重入漏洞智能检测方法。该方法首先对智能合约进行程序分析，得到每个合约的语义图，分析调用合约与被调用合约之间调用关系，通过添加合约之间的函数调用控制流、函数参数传递的数据流、函数返回值数据流和基于fallback机制的控制流，得到跨合约语义图；然后，针对引发重入漏洞的fallback机制，针对重入漏洞的关键节点进行双向约简，通过去除与重入漏洞无关的节点得到跨合约重入语义图；最后，对跨合约重入语义图矢量化，输入到序列模型提取特征，实现重入漏洞智能检测。通过分析合约之间调用关系和基于fallback机制进行双向约简，并且使用序列模型能够提取语义特征，从而有效提高了重入漏洞的检测效率。
-
公开(公告)号：CN113342662B
公开(公告)日：2024-09-03
申请号：CN202110658162.4
申请日：2021-06-11
Applicant: 南京工业大学 , 南京慕测信息科技有限公司
IPC: G06F11/36 , G06F18/241 , G06N3/126
Abstract: 本发明涉及一种面向神经元特性的AI系统软件模型变异技术。首先，计算出测试集中每个类别的数据子集的距离熵，即每个类子集的多样性程度，根据整个测试集的平均距离熵，量化测试集的整体多样性程度，自动选择相应的变异级别；在此基础上，选择相应级别的变异算子，变异得到多个变异模型；最后，筛选掉查准率较低的变异模型，计算剩余变异模型的变异得分，有效地评估测试集质量。本发明目的在于解决深度学习系统测试集质量评估难题。利用变异得分指标，可以帮助软件研发人员准确地评价测试集，保障深度学习系统的质量。
-
Patent Agency Ranking
公开(公告)号：CN118152272A
公开(公告)日：2024-06-07
申请号：CN202410216212.7
申请日：2024-02-27
Applicant: 南京工业大学
IPC: G06F11/36
Abstract: 本发明提出一种基于跨合约数据流分析的智能合约测试用例生成方法，该方法首先对智能合约中的状态变量进行数据依赖分析，得到合约函数对状态变量的读写关系，应用其引导生成函数调用序列，将对状态变量具有写操作的函数优先调用；然后，为待测的目标合约和被调用合约构造跨合约控制流图，对目标合约中函数输入参数进行数据流分析，提取参数经过的合约函数以及约束条件中相同类型的硬编码值，形成输入参数的取值范围；最后，根据函数调用序列以及函数参数取值范围，生成初始测试用例集，结合使用符合读写逻辑的函数调用序列和定向生成的函数参数值，能够生成更多满足约束条件的测试用例，从而有效提高了测试的分支覆盖率。
-
公开(公告)号：CN113596848B
公开(公告)日：2023-06-20
申请号：CN202110847324.9
申请日：2021-07-27
Applicant: 南京工业大学
Abstract: 本发明提出的面向NOMA无线视频多播的内容缓存和频谱分配联合设计方法。该方法综合考虑缓存资源、功率和带宽资源的联合分配，目的是在多维资源约束下，最大化多播组内用户的整体视频接收质量。本方法首先，将频谱分配和分层视频缓存建模为一个混合整数线性规划问题。然后，为了便于处理将该优化问题解耦为组内频谱约束和缓存约束的资源分配子问题。最后将组内频谱约束和缓存约束的资源分配子问题转化为背包问题，并设计面向多播组的PSNR优先算法求解。在此基础上，设计多播组内分层内容缓存算法获得最优PSNR和最优分层视频缓存方案。仿真结果表明，本方案在网络资源利用率和视频接收质量等方面优于现有的方法。
-
公开(公告)号：CN116132346A
公开(公告)日：2023-05-16
申请号：CN202310139011.7
申请日：2023-02-20
Applicant: 南京工业大学
IPC: H04L43/50 , H04L43/08 , H04L43/0888 , H04L43/0852 , H04L41/147 , H04L41/14 , H04L67/12 , H04L67/1095
Abstract: 本发明涉及一种基于区块链车联网信息共享过程的性能预测方法。首先，我们将车辆信息共享过程从复杂的车联网场景中抽象出来，建立了基于区块链的车联网信息共享过程的理论模型。其次，在理论模型的指导下，我们模拟了车辆在行驶过程中信息从发送到打包上链的整个流程，包括车辆发送信息、路边节点接收信息、信息打包上链和信息通过共识被其他节点接收的全过程。最后，根据定义的性能指标计算方法和收集到的相关指标信息，我们就可以计算并预测出给定区块链配置方案下车联网信息共享过程的性能表现。本发明目的在于解决在车联网信息共享中应用区块链带来的性能预测难题，进而帮助设计人员在车联网信息共享中制定更好的区块链方案。
-
公开(公告)号：CN119989364A
公开(公告)日：2025-05-13
申请号：CN202510073774.5
申请日：2025-01-17
Applicant: 南京工业大学
Abstract: 本发明涉及一种面向多源POC报告的软件版本不一致信息检测方法。针对多个独立的POC数据源，通过对POC报告进行预处理，生成去噪后的POC报告数据集。在此基础上，利用命名实体识别和关系抽取模型，从POC报告中提取受影响的软件名称、版本及其关联关系，从而对比同一CVE ID下不同POC报告的数据，得出数据源之间关于受影响软件版本信息的不一致结果。本发明旨在解决手动识别不一致信息耗时长、资源消耗大的问题，能够快速高效地检测受影响软件版本之间的不一致情况，从而提升漏洞修复的全面性，减少潜在安全风险，增强POC报告的质量和可信度，为软件安全防护提供更加可靠的数据支持。
-
公开(公告)号：CN118193367A
公开(公告)日：2024-06-14
申请号：CN202410268818.5
申请日：2024-03-08
Applicant: 南京工业大学
IPC: G06F11/36
Abstract: 本发明提出一种以关键路径为导向的智能合约Flaky Test Root Cause定位方法。该方法首先对智能合约进行数据流分析，得到可能受到区块链状态影响的节点和执行路径，称为关键节点和关键路径；然后，以关键路径作为覆盖目标，采用演化模糊测试技术，生成一系列交易序列作为测试输入，并对生成的交易序列进行积极重跑。在此基础上，针对重跑产生的Flaky Test，应用Root Cause检测器动态检测Flaky Test的Root Cause。设计了三种类型Root Cause检测器，分别用于检测交易顺序依赖、区块链属性依赖以及并发依赖导致的Root Cause。最终，输出待测合约的Flaky Test及Root Cause位置和类型。本发明的目的在于减轻Flaky Test对测试结果的影响，给予测试人员及时的提醒，降低智能合约测试以及后续的维护成本。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.018 seconds)
