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！

龙图腾网获悉西安科技大学申请的专利基于种子队列优化的模糊测试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：CN120633748B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202511122042.7，技术领域涉及：G06N3/082；该发明授权基于种子队列优化的模糊测试方法是由刘文浩;于振华;李西滕;赵彦龙;郑振;张蕴;周宇轩;叶鸥设计研发完成，并于2025-08-12向国家知识产权局提交的专利申请。

本基于种子队列优化的模糊测试方法在说明书摘要公布了：本发明属于模糊测试方法技术领域，公开了基于种子队列优化的模糊测试方法，包括：步骤1、设计核心神经元选择策略，筛选出深度神经网络模型中的敏感性神经元和关键性神经元，构成核心神经元集合；步骤2，设计不确定性评分计算方法，计算每个图像种子的不确定性评分，将评分较高的图像种子保存至种子队列中；步骤3，对步骤2得到的图像种子队列进行随机变异操作，生成新的变异种子，设计不确定性种子选择策略以评估每个变异种子，将符合条件的变异种子重新加入种子队列中，作为后续测试的种子。本发明方法所构建的种子队列具有较高的不确定性，能够有效地选择出变异潜力大的种子，进而提升模糊测试漏洞挖掘效率。

本发明授权基于种子队列优化的模糊测试方法在权利要求书中公布了：1.基于种子队列优化的模糊测试方法，其特征在于，具体按照以下步骤实施： 步骤1、设计核心神经元选择策略，筛选出深度神经网络模型中的敏感性神经元和关键性神经元，构成核心神经元集合； 步骤2，设计不确定性评分计算方法，计算每个图像种子的不确定性评分，将评分较高的图像种子保存至种子队列中； 步骤3，对步骤2得到的图像种子队列进行随机变异操作，生成新的变异种子，设计不确定性种子选择策略以评估每个变异种子，将符合条件的变异种子重新加入种子队列中，作为后续测试的种子； 步骤2中，计算原始图像和经过图像转换后的图像在置信度、核心神经元输出和热图三个维度的差值，将这三种差值加权求和，得到每个图像种子的不确定性评分； 其中，置信度维度的差值即预测概率评分，其通过计算最高softmax输出与次高softmax输出之间的概率差，从而量化模型在输入方面的不确定性；具体地，给定DNN模型f和输入x，其预测概率评分的计算公式如下： 其中，Cls为类别集合，表示在Cls中使取最大值的索引i，即，而是输入x在所有类别上的输出概率向量； 核心神经元输出评分的计算过程为：将原始图像和经过图像转换后的图像一同输入目标深度学习模型中，比较原始图像核心神经元的激活值与经过图像转换后的图像核心神经元激活值之间的距离，其计算公式为下式： 其中，为原始图像在第k个核心神经元的激活值，为经过图像转换后的图像在第k个核心神经元的激活值，K表示核心神经元的数量； 热图维度的差值即热图区域变化评分，其比较原始图像的热图分布与经过图像转换后图像的热图分布之间的距离，具体计算公式如下： 其中，和分别表示原始图像和经过图像转换后图像的热图在位置i，j上的激活值，H×W表示热图的空间大小，分别为热图的高度H和宽度W； 热图区域变化评分计算的是原始图像和转换后图像的热图在空间位置i，j上的激活差异，反映了模型在转换后的图像上关注区域的变化。

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西安科技大学，其通讯地址为：710054 陕西省西安市碑林区雁塔中路58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”。

以上内容由龙图腾AI智能生成。