-
公开(公告)号：CN112416358B
公开(公告)日：2022-04-29
申请号：CN202011310395.7
申请日：2020-11-20
Applicant: 武汉大学
Abstract: 本发明涉及一种基于结构化词嵌入网络的智能合约代码缺陷检测方法，具体是构建合约代码抽象语法树以及单词序列化模块，将收集到的合约代码转化为单词序列作为训练集。然后利用合约语法分析工具判定代码是否存在缺陷以及缺陷的数量，作为训练集的标签数据。再由单词序列训练得到词嵌入矩阵，将词嵌入矩阵作为循环神经网络的词嵌入层，构建GRU网络。使用训练集以及标签对网络进行训练。最后将新的智能合约代码经过单词序列化后输入到训练好的GRU网络中，输出缺陷判别的结果，是一种合约代码检测的方法。本发明使结构化的合约代码高效的序列化，提高代码缺陷检测的准确度以及自适应能力。
-
公开(公告)号：CN109785409A
公开(公告)日：2019-05-21
申请号：CN201811644583.6
申请日：2018-12-29
Applicant: 武汉大学
Abstract: 本发明公开了一种基于注意力机制的图像-文本数据融合方法和系统，该方法首先构建基于注意力机制的图像-文本数据融合网络，并基于特定任务构建完整的训练网络，再利用训练集进行训练，然后将待融合的图像和文本数据输入训练好的数据融合网络中，实现两者的数据融合。具有如下突出的特点和优点：第一，引入位置编码代替循环神经网络对文本上下文进行建模，数据融合网络的可并行化程度更高，训练模型的训练速率更快；第二，通过图像和文本在语义层次上的融合，使得融合后的数据质量更高，可用性更强；第三，该方法可以通过多种任务训练数据融合网络，鲁棒性更强。
-
公开(公告)号：CN109785409B
公开(公告)日：2020-09-08
申请号：CN201811644583.6
申请日：2018-12-29
Applicant: 武汉大学
Abstract: 本发明公开了一种基于注意力机制的图像‑文本数据融合方法和系统，该方法首先构建基于注意力机制的图像‑文本数据融合网络，并基于特定任务构建完整的训练网络，再利用训练集进行训练，然后将待融合的图像和文本数据输入训练好的数据融合网络中，实现两者的数据融合。具有如下突出的特点和优点：第一，引入位置编码代替循环神经网络对文本上下文进行建模，数据融合网络的可并行化程度更高，训练模型的训练速率更快；第二，通过图像和文本在语义层次上的融合，使得融合后的数据质量更高，可用性更强；第三，该方法可以通过多种任务训练数据融合网络，鲁棒性更强。
-
公开(公告)号：CN112416358A
公开(公告)日：2021-02-26
申请号：CN202011310395.7
申请日：2020-11-20
Applicant: 武汉大学
Abstract: 本发明涉及一种基于结构化词嵌入网络的智能合约代码缺陷检测方法，具体是构建合约代码抽象语法树以及单词序列化模块，将收集到的合约代码转化为单词序列作为训练集。然后利用合约语法分析工具判定代码是否存在缺陷以及缺陷的数量，作为训练集的标签数据。再由单词序列训练得到词嵌入矩阵，将词嵌入矩阵作为循环神经网络的词嵌入层，构建GRU网络。使用训练集以及标签对网络进行训练。最后将新的智能合约代码经过单词序列化后输入到训练好的GRU网络中，输出缺陷判别的结果，是一种合约代码检测的方法。本发明使结构化的合约代码高效的序列化，提高代码缺陷检测的准确度以及自适应能力。
-
-
-
Search Results
4
records
(took 0.017 seconds)
