Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南京大学王豫获国家专利权

南京大学王豫获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉南京大学申请的专利一种基于图神经网络的通用缺陷检测方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN114489785B

龙图腾网通过国家知识产权局官网在2025-07-01发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202210167928.3,技术领域涉及:G06F8/75;该发明授权一种基于图神经网络的通用缺陷检测方法是由王豫;张弛;徐安孜;陈谦;王林章设计研发完成,并于2022-02-23向国家知识产权局提交的专利申请。

一种基于图神经网络的通用缺陷检测方法在说明书摘要公布了:本发明公开一种基于图神经网络的通用缺陷检测方法,包括以下步骤:程序预处理,提取程序语义信息图节点的语义特征值,并对图形表示向量化,生成模型需要的输入形式;构建基于图神经网络的通用缺陷预测模型,用标签标记缺陷样本分布,训练图神经网络的缺陷预测能力,将训练过程中的最优模型作为通用缺陷检测模型;使用通用缺陷检测模型对待测程序进行预测,自定义目标缺陷类型,通用缺陷基于距离排名的缺陷预测方法进行预测。特定缺陷为人工确认预测结果,为待测程序添加标签并使用模型进行学习,强化模型预测能力。本发明有效解决了目前的基于机器学习的缺陷预测方法需要大量训练数据学习缺陷特征,无法预测不在训练集中的缺陷类型的问题。

本发明授权一种基于图神经网络的通用缺陷检测方法在权利要求书中公布了:1.一种基于图神经网络的通用缺陷检测方法,其特征在于,包括如下步骤: 步骤一,程序预处理;以程序源码为输入,基于静态分析构建过程间程序语义信息图,在此基础上,提取程序语义信息图节点的语义特征值,并对图形表示向量化,生成模型需要的向量表示;所述程序预处理包括:生成程序源码对应的语句级别程序依赖图,以程序中每一条语句为节点,以数据依赖和控制依赖为两种类型的边;将程序依赖图中的节点通过抽象语法树进行扩展,即程序依赖图中每一个节点为一个抽象语法树的根节点,扩展后形成新的图,图中包含程序依赖图节点和抽象语法树节点两种节点,包含数据依赖边、控制依赖边和抽象语法树边三种边;保持语句级别的控制依赖边不变,将语句级别的数据依赖边下放到抽象语法树的叶子结点,形成变量级别的数据依赖边;在基准程序的预处理过程中,对于缺陷程序,提取导致缺陷的完整函数调用链;对于正确程序,提取可以证明程序正确的完整函数调用链;将调用链中的所有函数的程序语义信息图使用数据依赖边和控制依赖边连接; 步骤二,构建基于图神经网络的通用缺陷预测模型;基于基准程序的缺陷报告,在程序向量表示上用标签标记缺陷样本分布,以门控图神经网络为基础,使用带标签的基准程序向量表示为输入,引入节点权重机制;定义元节点,元节点连接图中所有节点,元节点用于学习其他节点的权重,在图神经网络的信息传递过程中为每个节点的信息附加此权重,使得模型可以强化关键节点,弱化无关节点,训练图神经网络的缺陷预测能力,将训练过程中的最优模型作为通用缺陷检测模型; 步骤三,使用通用缺陷检测模型对待测程序进行预测;用户自定义目标缺陷类型,筛选包含特定缺陷类型对应敏感操作的待测样本作为输入;加载通用缺陷检测模型生成待测样本特征向量,基于距离排名的缺陷预测方法进行预测;针对特定缺陷输出预测结果,人工确认预测结果,为待测程序添加标签并使用模型进行学习,强化模型预测能力。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人南京大学,其通讯地址为:210023 江苏省南京市栖霞区仙林大道163号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。