专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果41个,建议您升级VIP下载更多相关专利
  • [发明专利]一种文档指导的API使用序列搜索方法-CN202310131203.3在审
  • 苏小红;魏宏巍;郑伟宁;陶文鑫;蒋远 - 哈尔滨工业大学
  • 2023-02-17 - 2023-06-23 - G06F8/36
  • 本发明公开了一种文档指导的API序列搜索方法,所示方法包括如下步骤:步骤1:通过挖掘API文档仓库获取API集合以及API文档字典;步骤2:通过挖掘代码仓库构建数据集以及用于搜索的API使用序列数据库;步骤3:对原始数据进行预处理,并将其转化成能被深度学习模型处理的特征向量;步骤4:构建网络模型;步骤5:训练网络模型,并使用训练好的网络模型实现API使用序列搜索。本发明通过将API文档作为模型训练的指导信息,辅助实现跨模态注意力与跨模态相似度计算,能够缓解功能描述和API使用序列之间的语义鸿沟问题,从而提高搜索的准确率。
  • 一种文档指导api使用序列搜索方法
  • [发明专利]类器官预包埋模具、类器官预包埋装置及预包埋方法-CN202310246618.5在审
  • 蒋远;周丹;蒋焱熠;孔帅 - 中国科学院合肥物质科学研究院
  • 2023-03-10 - 2023-05-23 - G01N1/36
  • 本发明公开了一种类器官预包埋模具、预包埋装置以及预包埋方法,预包埋模具包括模具本体及固定组件,模具本体包括相对位置的第一端部与第二端部,第一端部用于供拿捏,第二端部呈尖状结构,固定组件连接在模具本体的外壁,固定组件突出于模具本体的外壁且更靠近于第一端部。预包埋装置包括离心管以及类器官预包埋模具,类器官预包埋模具的模具本体能够放置在离心管内,且模具本体的外壁与离心管的内壁之间具有间隔以实现间隙配合。本发明能在不需要用枪头吹打的情况下实现类器官和琼脂糖溶液混匀,能够减少在这个过程中样本的丢失;且类器官样本更为集中,制成石蜡切片后,同一切面上的样本数量更多,便于后续染色观察等病理检测。
  • 器官包埋模具装置方法
  • [发明专利]基于切片属性图表示学习的函数级代码漏洞检测方法-CN202011613496.1有效
  • 苏小红;郑伟宁;蒋远;魏宏巍;王甜甜;赵玲玲 - 哈尔滨工业大学
  • 2020-12-30 - 2023-04-28 - G06F21/57
  • 本发明公开了一种基于切片属性图表示学习的函数级代码漏洞检测方法,首先引入新的切片准则,并提出切片属性图的概念,基于切片准则和程序切片技术生成代码的切片属性图,提取与漏洞候选关键点有依赖关系的图结构信息、节点属性信息和代码上下文信息;然后,利用关系图卷积神经网络并结合基于节点和子图的双重注意力机制,对切片属性图进行表示学习,以学习更全面、更准确的漏洞模式;最后对各个切片属性图的漏洞识别结果进行融合实现函数级别的漏洞检测,并确定漏洞候选语句的集合以及与漏洞相关联的语法要素。该方法能覆盖更多的漏洞候选关键点,充分学习和表示漏洞相关的结构、属性和上下文信息,提高漏洞检测的准确率。
  • 基于切片属性图表学习函数代码漏洞检测方法
  • [发明专利]一种基于代码知识图谱和知识迁移的代码摘要生成方法-CN202010611989.5有效
  • 苏小红;苏佳;蒋远;王甜甜;赵玲玲 - 哈尔滨工业大学
  • 2020-06-29 - 2023-04-07 - G06F16/36
  • 本发明公开了一种基于代码知识图谱和知识迁移的代码摘要生成方法,所述方法如下:1、抽取并融合多源数据构建代码知识图谱;2、利用代码解析工具生成抽象语法树,遍历抽象语法树中的方法调用节点获取API调用序列;3、从代码知识图谱中搜索API调用序列中的API描述信息;4、挖掘大规模开源项目,构建API序列摘要生成数据集,训练文本摘要生成模型,学习与API功能相关的背景知识;5、构建代码摘要生成模型;6、在代码摘要数据集上训练代码摘要生成模型,并利用该模型生成代码摘要。本发明将代码知识图谱和知识迁移用于代码摘要生成任务,能加强模型提取代码功能语义信息的能力,辅助模型理解代码,提高代码摘要生成质量。
  • 一种基于代码知识图谱迁移摘要生成方法
  • [发明专利]一种基于深度学习和强化学习的多粒度代码漏洞检测方法-CN202010747186.2有效
  • 蒋远;苏小红;王甜甜 - 哈尔滨工业大学
  • 2020-07-29 - 2023-02-07 - G06F21/56
  • 本发明公开了一种基于深度学习和强化学习的多粒度代码漏洞检测方法,步骤如下:1)解析源代码,获取代码对应的中间代码表示;2)对中间代码进行切片,获取比源程序更小的代码段;3)使用代码分段表示方法将输入的代码段转化为低维连续的实值向量;4)将代码段的向量表示输入到基于深度学习的粗粒度代码漏洞检测模型中,判断代码段是否包含缺陷;5)构建基于强化学习的细粒度代码漏洞检测模型,预测含有缺陷的代码段中具体引发漏洞的代码行。本发明提出一种完整的多粒度代码漏洞检测框架,并首次将强化学习应用到细粒度代码漏洞检测领域,以及提出一种新的代码分段表示学习模型以充分利用程序的语义信息,提高了漏洞检测的准确度和实用性。
  • 一种基于深度学习强化粒度代码漏洞检测方法
  • [发明专利]一种针对漏洞检测模型的组合对抗攻击方法-CN202210729780.8在审
  • 蒋远;苏小红;刘洋;陶文鑫;郑伟宁;魏宏巍;王甜甜 - 哈尔滨工业大学
  • 2022-06-24 - 2022-09-20 - G06F21/57
  • 本发明公开了一种针对漏洞检测模型的组合对抗攻击方法,首先使用本发明中提出的4种代码扰动方法对程序骨架中可修改的语句进行扰动,生成大量语义相似的候选样本。其次,利用生成的候选样本初始化遗传算法的种群规模和成员,然后,根据不同的扰动方法设计变异算子,并对种群成员进行选择、交叉和变异操作生成新的种群;最后,判断每次迭代生成的新种群中是否存在适应度大于一定阈值的成员,如果存在,则表示成功获得对抗样本。根据本发明提出的多种代码扰动方法,可实现对各种语法要素执行语义保持的程序等价变换,从而提高生成的对抗样本质量。通过将遗传搜索策略与多种代码扰动方法相结合,能够提高对代码漏洞检测模型的攻击成功率和攻击效率。
  • 一种针对漏洞检测模型组合对抗攻击方法
  • [发明专利]在异构语义空间中基于假设检验的软件跨模态检索方法-CN202210693666.4在审
  • 苏小红;魏宏巍;郑伟宁;陶文鑫;蒋远 - 哈尔滨工业大学
  • 2022-06-18 - 2022-09-13 - G06F16/33
  • 本发明公开了一种在异构语义空间中基于假设检验的软件跨模态检索方法,所述方法使用分布生成网络将文本投影到分布空间中的CFP相关分布;将代码表示为控制流图,并抽取其中所有的路径;利用样本生成网络将CFP映射为样本空间中的CFP样本向量,此时代码被表示为一个CFP样本向量集合;使用假设检验计算CFP样本向量集合对CFP相关分布的服从程度作为二者的匹配分数,并用于实现代码检索文本或文本检索代码形式的跨模态检索任务。本发明首次提出将代码和文本投影到异构语义空间中进行表示学习,即将文本投影到CFP相关分布空间并将代码投影到CFP样本空间,能够准确表征文本和代码各自的独特语义,提高跨模态检索的准确性。
  • 语义空间基于假设检验软件跨模态检索方法
  • [发明专利]在API知识图谱上基于Q学习的API序列搜索方法-CN202210743639.3在审
  • 苏小红;魏宏巍;张浚哲;郑伟宁;陶文鑫;蒋远 - 哈尔滨工业大学
  • 2022-06-27 - 2022-08-30 - G06F16/33
  • 本发明公开了一种在API知识图谱上基于Q学习的API序列搜索方法,首先,设计了API本体结构,并从API文档与开源软件项目中抽取API知识用于构建API知识图谱。其次,通过Word2Vec词嵌入方法以及TransE表示学习方法生成强化学习的状态表示。再次,基于DQN方法,给出了基于强化学习的API序列搜索模型的训练算法。最后,基于训练好的强化学习模型,实现API序列搜索。本发明将API使用序列搜索任务转化为基于API知识图谱的路径搜索任务,能更好地保证搜索到的API序列的合法性。本发明采用强化学习实现API使用序列搜索,其独特的探索机制能探索更丰富的API调用方式,从而增强模型的泛化能力。
  • api知识图谱基于学习序列搜索方法
  • [发明专利]基于seq2seq代码表示学习的细粒度漏洞检测方法-CN202210700763.1在审
  • 苏小红;蒋远;郑伟宁;陶文鑫;王甜甜 - 哈尔滨工业大学
  • 2022-06-20 - 2022-08-30 - G06F21/57
  • 本发明公开了一种基于seq2seq代码表示学习的细粒度漏洞检测方法,首先,提取漏洞候选关键节点作为切片准则,再使用程序切片技术提取程序中的切片代码段。然后,使用基于seq2seq深度学习模型,对切片代码段进行表示学习,生成包含语句间长依赖关系的语句向量表示序列,将序列中每条语句的向量表示送入检测器中,检测其是否为漏洞语句。该方法能够充分利用代码中的全局和局部语义信息,学习语句内和语句间的漏洞相关的特征,避免传统的基于深度学习分类模型对代码表示学习时难以捕获漏洞语句及其上下文之间的长依赖信息的问题,利用seq2seq模型对代码进行表示学习生成的语句向量表示序列,更适合语句级的细粒度漏洞检测。
  • 基于seq2seq代码表示学习细粒度漏洞检测方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top