公开(公告)号：CN109933539A

公开(公告)日：2019-06-25

申请号：CN201910298450.6

申请日：2019-04-15

Applicant: 燕山大学

Inventor： 何海涛 ,  任家东 ,  张旭 ,  胡昌振

IPC: G06F11/36

Abstract: 本发明公开了一种基于主成分分析和组合采样的软件缺陷预测方法，包括如下步骤：步骤S1：对软件缺陷数据利用融合特征选择降维去噪；步骤S2：对降维后的数据执行SMOTE过采样和分层随机采样相结合进行采样，其中过采样是指通过增加少数类样本的数量，从而使得数据集中类样本达到相对平衡，分层随机采样通过划分类进行分层，在每层内采用无放回随机采样；步骤S3：对处理后的数据选取分类器并对分类器参数进行调优。本发明选择随机森林分类器，其随机选择特征子集的特性，从而进一步达到对树的随机化目的，避免了分类器过拟合问题的出现，最终提升了软件缺陷预测性能以及预测效率，为现实中预测有缺陷软件提供了良好的理论和实验依据。

公开(公告)号：CN119290892A

公开(公告)日：2025-01-10

申请号：CN202411530874.8

申请日：2024-10-30

Applicant: 燕山大学

Inventor： 何海涛 ,  刘福才 ,  刘子健 ,  韩录 ,  杨明永 ,  冯昊吉

IPC: G01N21/88 ,  G01N35/00

Abstract: 本发明公开了一种不锈钢中厚板缺陷智能化识别装置及方法，属于形貌检测系统及方法，包括可编程序控制器PLC、与可编程序控制器PLC的控制线连接的被控对象以及与可编程序控制器PLC的信号线连接的检测系统；所述被控对象包括伺服驱动系统、人机界面、滚筒输送机和龙门系统；所述检测系统分别为开普勒测速仪、激光器、激光测距仪和扫描仪提供触发信号；方法包括不锈钢中厚板缺陷智能化识别装置控制系统软件设计、不锈钢中厚板缺陷智能化识别装置控制系统硬件设计、检测系统硬件设计和检测系统软件设计。本发明集电气控制、工业视觉检测技术、电机控制及工业现场总线通信功能于一体，能够实现不锈钢中厚板缺陷智能化识别。

公开(公告)号：CN119295787A

公开(公告)日：2025-01-10

申请号：CN202411530205.0

申请日：2024-10-30

Applicant: 燕山大学

Inventor： 何海涛 ,  李晨 ,  于露 ,  杨明永 ,  冯昊吉

IPC: G06V10/762 ,  G06V10/774 ,  G06T7/00

Abstract: 本发明公开了基于改进DBSCAN和区域距离的钢板缺陷归集方法及系统，涉及钢板缺陷归集领域，方法步骤包括：采集带有缺陷钢板的图像数据；构建钢板缺陷归集模型，钢板缺陷归集模型首先采用区域距离对缺陷进行处理，再利用DBSCAN对数据进行初步聚类，划分出密度不同的区间，并在每个区间中利用K‑dist图提取距离信息；随后，根据区间内的距离信息生成Eps进行聚类；最后，根据预设规则将每个区间中的噪声点分配到相应的簇中；利用钢板缺陷归集模型完成图像数据中钢板的缺陷归集。本发明提出一种基于改进DBSCAN和区域距离的钢板缺陷归集方法，在处理复杂和集中分布的缺陷时表现出优越的聚类性能。

公开(公告)号：CN117009978A

公开(公告)日：2023-11-07

申请号：CN202310998538.5

申请日：2023-08-09

Applicant: 燕山大学

Inventor： 何海涛 ,  许可 ,  贾钰峰 ,  王啸天

IPC: G06F21/57 ,  G06F21/56 ,  G06N5/04

Abstract: 本发明提供一种基于博弈的Web应用程序访问控制漏洞检测方法，其包括以下步骤：S1、获取Web应用程序输入，设定攻击者和访问者；S2、构建基于动态执行的过程流追踪四元组和基于静态源码的访问控制流分析二元组；S3、构建访问控制博弈模型，实现Web应用程序基于访问控制过程的全面表征；S4、基于访问控制博弈模型，提取访问控制策略，设计攻击博弈策略；S5、构建漏洞检测模型，并设计综合效益验证评估方法，实现访问控制漏洞的检测。本发明能够解析程序访问控制过程，实现对访问控制过程的建模；提取并设计访问策略和博弈策略，实现不同用户的行为模式和策略选择的表征；最后，通过漏洞检测模型，准确地确定出程序中不同类型访问控制权限中的漏洞点。

公开(公告)号：CN109886020B

公开(公告)日：2020-02-04

申请号：CN201910068001.2

申请日：2019-01-24

Applicant: 燕山大学

Inventor： 何海涛 ,  任家东 ,  王倩 ,  李亚洲 ,  胡昌振

IPC: G06F21/56 ,  G06F21/57 ,  G06F40/289 ,  G06F40/216 ,  G06F40/247 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请提供一种基于深度神经网络的软件漏洞自动分类方法，包括：S1，对漏洞信息进行预处理后形成词集列表；S2，对样本漏洞描述信息集合使用TF‑IDF算法和IG算法对每个词的权重进行计算，获取重要特征词集列表；S3，根据重要特征词集列表生成词向量空间，把每一条漏洞描述信息表述成一个m维的向量，m是重要特征词集中特征词的数量；S4，使用DNN模型获得软件漏洞分类器；S5，新的漏洞描述信息集合进行分类。本发明基于TF‑IDF和IG算法构建深度神经网络漏洞自动分类模型，降低了高维词向量空间的维度，能够适应不断更新的软件漏洞数据集，有效地处理词向量空间的高维性和稀疏性，在准确率、召回率、精度等多维评价指标中表现出较好性能。