“鞠小林”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果27个，建议您升级VIP下载更多相关专利

[发明专利]一种使用CodeT5模型和提示微调的源代码漏洞预测方法-CN202310615838.0在审
发明人：陆桂龙;鞠小林;陈亮;陈翔;杨少宇;裴文龙;蔡之龙;程伟 -专利权人：南通大学
申请日： 2023-05-29 - 公布日： 2023-10-20 - 主分类号： G06F21/57 文献下载
摘要：本发明提供了一种使用CodeT5模型和提示微调的源代码漏洞检测方法，属于计算机技术领域，解决了传统的漏洞检测模型中检测准确率不高的技术问题。包括以下步骤：S1：从中收集开源项目的C和C++源代码，构成数据集；S2：对数据集进行预处理；S3：对构建的数据集随机划分成训练集、验证集和测试集；S4：使用hard soft方式创建为漏洞检测任务定制的提示模板；S5：创建为漏洞检测任务定制的Verbalizer；S6：训练集训练分类器；S7：对测试集进行最终结果预测。本发明的有益效果为：使用基于提示微调的预训练模型CodeT5进行漏洞检测，从而提高漏洞检测的性能。
一种使用 codet5 模型提示微调源代码漏洞预测方法

[发明专利]一种基于深层语义和数据增强的软件漏洞检测方法-CN202310390442.0在审
发明人： 鞠小林;沈昊;陆桂龙;陈翔;王皓晨;曹金鑫 -专利权人：南通大学
申请日： 2023-04-13 - 公布日： 2023-07-21 - 主分类号： G06F21/57 文献下载
摘要：本发明提供了一种基于深层语义和数据增强的软件漏洞检测方法，属于计算机技术领域。解决了软件质量得不到保障的技术问题。其技术方案为：包括以下步骤：(1)搜集来自NIST的Java漏洞代码函数，对该漏洞代码集合进行预处理操作；(2)通过构建AST提取代码的结构化特征；(3)使用CodeBERT提取代码语义特征，并通过BERT‑Whitening进行关键特征提取和降维；(4)构建DR‑GD模型生成对抗样本，拓展原有的训练数据；(5)构建残差网络改进的图神经网络模型，学习代码的深层义以表示，用于软件漏洞检测。本发明的有益效果为：可以生成多样的对抗实例，提高软件漏洞检测的准确性和可靠性。
一种基于深层语义数据增强软件漏洞检测方法

[发明专利]一种基于增强嵌入向量语义表示的软件缺陷定位方法-CN202310034262.9在审
发明人： 鞠小林;石翔宇;王皓晨;陈翔;彭志娟;周建美 -专利权人：南通大学
申请日： 2023-01-10 - 公布日： 2023-06-23 - 主分类号： G06F11/36 文献下载
摘要：本发明提供了一种基于增强嵌入向量语义表示的软件缺陷定位方法，属于计算机技术领域，解决了多模态嵌入向量语义信息表示不足的技术问题。其技术方案为：包括以下步骤：S1：对源代码进行数据增强；S2：构造模态之间和模态内部的正负样本对；S3：对缺陷报告进行文本预处理，得到文本序列；S4：文本序列输入CodeBert预训练模型得到嵌入向量表示；S5：学习模态内部和模态之间的相似性；S6：联合检索任务和二元分类任务微调预训练模型。S7:对源代码文件进行排序得到预测结果。本发明的有益效果为：通过对比学习，获得更好的嵌入向量表示，联合检索模型和分类模型对源代码文件进行排序，进一步提高缺陷定位的有效性。
一种基于增强嵌入向量语义表示软件缺陷定位方法

[发明专利]一种基于数据增强和语义感知的Bash代码注释自动生成方法-CN202310167403.4在审
发明人： 鞠小林;沈逸恒;陆煜榕;陈翔;沈昊 -专利权人：南通大学
申请日： 2023-02-27 - 公布日： 2023-06-13 - 主分类号： G06F8/41 文献下载
摘要：本发明提供了一种基于数据增强和语义感知的Bash代码注释自动生成方法，属于计算机领域。解决了Bash注释生成任务中低资源和不能有效利用BERT模型输出的所有特征信息的问题。其技术方案为：包括以下步骤：S1：在模型嵌入层使用NP‑GD，生成多组对抗例子；S2：利用原训练集和生成的对抗例子微调CodeBERT；S3：使用LSTM+Attention聚合步骤S2输出的多层表征信息；S4：使用Transformer解码器解码步骤S3输出的融合向量并输出Bash注释。本发明的有益效果为：该方法可以捕获更多的表征信息，提高Bash注释生成的质量。
一种基于数据增强语义感知 bash 代码注释自动生成方法

[发明专利]一种非负矩阵社区发现方法及电影社区发现方法-CN202010134409.8有效
发明人：徐慧;赵莹莹;曹金鑫;鞠小林;周成 -专利权人：南通大学
申请日： 2020-03-02 - 公布日： 2023-06-13 - 主分类号： G06F17/16 文献下载
摘要：本发明提供了一种非负矩阵社区发现方法及电影社区发现方法，包括如下步骤S11数据收集与计算，形成相似度矩阵X和L；S12将X进行非负矩阵分解，X≈UV；S13构造含有L的目标函数O；以及S14基于目标函数，得到非负矩阵分解的迭代公式，进行迭代，完成社区划分。本发明的一种非负矩阵社区发现方法及电影社区发现方法，将双属性的非负矩阵分解应用于社区发现，提高了社区分解模块的精确性。
一种矩阵社区发现方法电影

[发明专利]基于GraphSAGE和LDA的软件缺陷预测方法-CN202310211242.4在审
发明人： 鞠小林;沈昊;陆煜榕;陈翔;沈逸恒 -专利权人：南通大学
申请日： 2023-03-07 - 公布日： 2023-05-26 - 主分类号： G06F11/36 文献下载
摘要：本发明提供了一种基于GraphSAGE和LDA的缺陷预测方法，属于计算机技术领域，解决了手工特征方法没有考虑代码项目的自然语言信息软件缺陷预测的问题。其技术方案为：包括以下步骤：(1)搜集来自Github的缺陷实例数据集，对该数据集进行预处理操作；(2)使用LDA提取项目的主题描述信息；(3)将代码片段解析为抽象语法树，并且提取token之间的关系矩阵；(4)通过BERT对token和主题词信息编码为特征向量，并对向量进行拼接；(5)将向量输入GraphSAGE训练，得到每个节点的特征表示；(6)将节点表示输入到mlp分类器中，进行缺陷预测。本发明的有益效果为：提高缺陷预测的可靠性和准确性。
基于 graphsage lda 软件缺陷预测方法

[发明专利]一种基于语义信息增强的Bash代码注释生成方法-CN202211585727.1在审
发明人： 鞠小林;沈逸恒;陈翔;沈昊;陈森博;邵浩然 -专利权人：南通大学
申请日： 2022-12-09 - 公布日： 2023-03-14 - 主分类号： G06F8/73 文献下载
摘要：本发明提供了一种基于语义信息增强的Bash代码注释生成方法，属于计算机领域。解决了Bash注释生成任务中数据集较小和不能全部利用CodeBERT输出的所有特征信息的问题。其技术方案为：包括以下步骤：S1：在语料库生成的嵌入层使用对抗训练，生成对抗样本以增强语义信息；S2：使用原语料库生成的词嵌入和对抗样本对CodeBERT进行微调，输出12层表征信息；S3：使用Bi‑LSTM+注意力机制聚合12层表征信息，生成融合信息；S4：使用解码器进行解码并输出Bash注释。本发明的有益效果为：本发明提出的模型可以捕获和利用更多的语义表征信息，从而提高注释生成的质量和可靠性。
一种基于语义信息增强 bash 代码注释生成方法

[发明专利]一种融合多维度特征的自动定位安全补丁方法-CN202211484631.6在审
发明人：陆桂龙;鞠小林;陈亮;陈翔;王炳智;曹金鑫 -专利权人：南通大学
申请日： 2022-11-24 - 公布日： 2023-03-03 - 主分类号： G06F11/07 文献下载
摘要：本发明提供了一种融合多维度特征的自动定位安全补丁方法的方法，其技术方案为：包括以下步骤：S1：通过挖掘GitHub、CVE和NVD库，从中收集漏洞和代码提交的数据集并进行预处理操作；S2：使用GumTree工具提取漏洞描述的专家特征取值；S3：使用T5预训练模型提取漏洞描述和提交信息的深层语义特征取值，并使用BERT‑whitening来进一步处理语义向量取值，通过线性变换进行关键特征提取和降维；S4：对构建的数据集随机划分成训练集、验证集和测试集；S5：使用决策树模型预测最终结果。本发明的有益效果为：从数据集中提取更加丰富的特征，从而提高安全补丁定位的质量和可靠性。
一种融合多维特征自动定位安全补丁方法

[发明专利]一种基于CNN模型和领域特征的软件缺陷定位方法-CN202211357801.4在审
发明人： 鞠小林;石翔宇;徐梦奇;曹金鑫;王皓晨;陈翔;王炳智 -专利权人：南通大学
申请日： 2022-11-01 - 公布日： 2023-01-17 - 主分类号： G06F11/36 文献下载
摘要：本发明提出了一种基于CNN模型和领域特征的软件缺陷定位方法，属于计算机技术领域。解决了缺陷定位方法不能充分使用代码结构和语义特征的问题。其技术方案为：包括以下步骤：S1、对数据集进行预处理；S2、通过Word2Vec生成词向量；S3、使用CNN网络分别提取词汇特征和代码结构特征，并通过MLP网络进行特征融合；S4、利用rVSM提取文本相似性；S5、从bug修复历史中提取4种类型的特征；S6、构造数据集，按比例划分训练集和测试集；S7、将步骤S2、步骤S3、步骤S4提取出的6种特征输入MLP网络；S8:通过softmax函数得到二分类结果。本发明的有益效果为：本发明采用学习统一的词汇语义和代码结构特征，同时融合文本相似性特征和缺陷修复历史从而提高缺陷定位的质量和可靠性。
一种基于 cnn 模型领域特征软件缺陷定位方法

[发明专利]一种基于GAT和GraphSMOTE的缺陷预测方法-CN202211418719.8在审
发明人： 鞠小林;沈昊;陈翔;曹金鑫;王皓晨;周建美 -专利权人：南通大学
申请日： 2022-11-14 - 公布日： 2023-01-17 - 主分类号： G06F11/36 文献下载
摘要：本发明提供了一种基于GAT和GraphSMOTE的缺陷预测方法，属于计算机领域，解决了以往缺陷预测专注于代码语义信息而忽略代码结构信息，并且对代码的类不平衡没有关注的问题；其技术方案为：包括以下步骤：(1)对该数据集进行预处理操作；(2)利用先序遍历对AST的token进行提取，并且提取token之间的关系矩阵；(3)通过Bert对token编码为特征向量；(4)采用GraphSMOTE对向量进行类不平衡处理；(5)将向量输入图注意力神经网络训练，得到每个节点的特征表示；(6)将节点的向量表示输入到mlp分类器中，进行缺陷预测。本发明的有益效果为：提高了缺陷预测可靠性和准确性。
一种基于 gat graphsmote 缺陷预测方法

[发明专利]一种基于预训练模型和空间结构信息的代码注释生成方法-CN202211198773.6在审
发明人： 鞠小林;沈逸恒;王炳智;王皓晨;陈翔;曹金鑫;沈昊;徐梦奇 -专利权人：南通大学
申请日： 2022-09-29 - 公布日： 2022-12-13 - 主分类号： G06F8/73 文献下载
摘要：本发明提供了一种基于预训练模型和空间结构信息的代码注释生成方法，属于计算机领域。解决了注释生成模型中代码特征提取部分缺乏代码空间结构的问题。其技术方案为：包括以下步骤：S1：抽取Java部分并进行预处理；S2：使用CodeBERT提取代码语义特征，并进行关键特征提取和降维；S3：构建数据集的抽象语法树(ASTs)；S4：构建GNN神经网络；S5：将步骤S2中提取的语义特征向量和步骤S3得到的ASTs信息输入GNN模型；S6：将步骤S2得到的语义特征信息和步骤S5得到的结构特征信息结合；S7：使用解码器进行解码并输出注释。本发明的有益效果为：本发明提高注释生成的质量和可靠性。
一种基于训练模型空间结构信息代码注释生成方法

[发明专利]一种基于LS-SVM-Leslie组合模型的人口预测方法-CN202211205164.9在审
发明人： 鞠小林;沈逸恒;翟娟娜;陈翔;王皓晨;陈森博;曹金鑫 -专利权人：南通大学
申请日： 2022-09-29 - 公布日： 2022-12-13 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供一种基于LS‑SVM‑Leslie组合模型的人口预测方法，属于数学和计算机科学。解决了传统人口预测模型中缺乏性别比例、年龄结构和人口数据变动规律的问题。其技术方案为：包括以下步骤：S1：收集数据并预处理；S2：选取预测指标并估计出生性别比；S3：用LS‑SVM模型预测特定年龄的生育率D1和男/女死亡率D2；S4：将D1、D2输入Leslie模型，输出特定初始年龄数据D3；S5：将D3作为Leslie下一年的输入参数，迭代输出每年的人口数据；S6：建立时间序列预测模型和灰色系统预测模型；S7：基于权重组合步骤S6中的两个模型并输出预测结果。本发明的有益效果为：本发明选取多个预测指标和预测模型，从而提高人口预测的可靠性。
一种基于 ls svm leslie 组合模型人口预测方法

[发明专利]基于二元相关性和逻辑回归分析的阻塞Bug识别方法-CN202210895176.2在审
发明人： 鞠小林;陈志华;钱洁;陈翔 -专利权人：南通大学
申请日： 2022-07-26 - 公布日： 2022-11-01 - 主分类号： G06F11/07 文献下载
摘要：本发明提供了一种基于二元相关性和逻辑回归分析的阻塞Bug识别方法，属于计算机应用技术领域，解决了对软件Bug阻塞和被阻塞标签的自动化预测的问题；其技术方案为：包括以下步骤：(1)通过筛选Bug报告中的“Blocks”和“Depends on”字段来构建特殊的数据集；(2)采用Word2Vec方法对Bug报告中的自然语言部分进行编码转换为向量形式；(3)对Bug报告中提取的多个字段进行相关性分析，筛选出相关性高的一部分字段作为模型训练的特征；(4)通过BR‑LR针对两个数据集分别学习到Bug标签的不同预测方法；(5)结合两个预测模型对Bug不同标签的预测结果，生成预测报告。本发明的有益效果为：本发明结合Binary Relevance和逻辑回归分析，通过对训练数据集的筛选和划分，实现对阻塞Bug的双标签的预测。
基于二元相关性逻辑回归分析阻塞 bug 识别方法

[发明专利]一种基于CodeBert和空间结构的代码缺陷预测方法-CN202210849413.1在审
发明人： 鞠小林;沈逸恒;沈昊;陈翔 -专利权人：南通大学
申请日： 2022-07-19 - 公布日： 2022-10-14 - 主分类号： G06F11/07 文献下载
摘要：本发明提供了一种基于CodeBert和空间结构的代码缺陷预测方法，属于计算机技术领域。解决了缺陷预测模型中代码特征提取部分缺乏代码空间结构，使得模型获得更多的代码特征信息的问题。其技术方案为：包括以下步骤：S1：从issues中收集数据集并进行预处理操作；S2：进行关键特征提取和降维；S3：通过最短路径长度表示代码空间结构信息；S4：构建bi‑LSTM/LSTM神经网络模型；S5：构建Aast输入神经网络模型；S6：得到预测结果。本发明的有益效果为：本发明从源代码中提取更加丰富的代码语义及结构特征，从而提高缺陷预测的质量和可靠性。
一种基于 codebert 空间结构代码缺陷预测方法

[发明专利]混合多个深度学习模型以促进阻塞Bug预测的方法-CN202210849549.2在审
发明人： 鞠小林;陈志华;沈逸恒;钱洁;陈翔 -专利权人：南通大学
申请日： 2022-07-19 - 公布日： 2022-10-14 - 主分类号： G06F11/07 文献下载
摘要：本发明提供了一种混合多个深度学习模型以促进阻塞Bug预测的方法，属于计算机应用技术领域，解决了自动化预测多对Bug之间存在阻塞关系的技术问题。其技术方案为：包括以下步骤：(1)从Bug报告中提取“Summary”和“Description”两个字段构成数据集；(2)将自然语言文本进行词干恢复；(3)将这两个字段进行编码转换为词向量形式；(4)构建预测模型；(5)将两个分类器给出的值的加权和相加，得到最终的预测模型。本发明的有益效果为：本发明构建两个深度学习模型，并通过集成学习的方法Boosting将其结合起来，从而得到一个更全面、更稳健的预测模型，实现对阻塞Bug更好的预测。
混合深度学习模型促进阻塞 bug 预测方法

1
2
下一页»
尾页
共 27 条