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！

龙图腾网获悉辽宁大学申请的专利基于机器学习技术的符号执行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：CN115269405B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202210882089.3，技术领域涉及：G06F11/3668；该发明授权基于机器学习技术的符号执行方法是由李晓光;李知桦设计研发完成，并于2022-07-26向国家知识产权局提交的专利申请。

本基于机器学习技术的符号执行方法在说明书摘要公布了：本发明公开一种基于机器学习技术的符号执行方法，该方法利用机器学习技术—加权K最近邻算法KNN学习程序路径约束与其可解性之间的关系，并使用其对超过一定求解时间阈值的路径约束进行可解性的预测，从而指导符号执行引擎是否继续当前的求解过程，使用符号执行过程中产生的具有真实求解结果的路径约束填充样本库并根据程序间的相似性为样本库中的数据赋予以及根据预测误差更新权重。本发明在SMT‑LIB格式的文件上提取特征，具有平台无关性，且能够减少符号执行过程中大量无效的约束求解过程，提高符号执行应用到大型程序时的实用性。

本发明授权基于机器学习技术的符号执行方法在权利要求书中公布了：1.基于机器学习技术的符号执行方法，其特征在于，该方法包括以下步骤： 步骤1：构建包含类别的路径约束特征数据集并为数据分配权重；具体如下步骤所示： 步骤1.1：利用符号执行工具在其自身设定的时间阈值内测试个程序，记录求解时长超过时间阈值的路径约束所对应的SMT-LIB格式文件，并根据求解结果将其分为可解和不可解两类，； 步骤1.2：定义个关键特征并对步骤1.1中得到的SMT-LIB格式文件提取特征，将各特征值映射至的范围内，形成可以代表路径约束特点的特征向量，得到样本库,其中代表样本的总个数； 步骤1.3：根据测试程序与历史程序之间的相似性为步骤1.2中得到的样本库中的各个样本赋予权重； 步骤2：加权KNN利用步骤1中得到的样本库学习路径约束与其可解性之间的关系，构建路径约束分类器； 步骤3：对待测试程序进行符号执行的过程中，如果当前路径约束能在某个时间阈值内成功求解，则与传统的符号执行过程相同，输出触发当前路径的输入值；如果没有完成求解过程，则触发步骤2中的路径约束分类器，转入步骤4； 步骤4：在当前路径约束对应的SMT-LIB文件上提取特征，得到特征向量，并利用加权KNN对其进行可解性的分类，如果分类结果为可解，则继续送入约束求解器中进行求解；如果不可解，则放弃当前求解过程，对所有路径都处理完成后再次进行求解； 所述的步骤4中使用加权KNN对约束可解性分类的具体步骤包括： 步骤4.1：首先利用欧氏距离计算当前路径约束与样本库中各个数据之间的距离，与样本库中样本的距离为： ； 步骤4.2：对步骤4.1中的进行排序，并选出离最近的个样本，将最近邻的个样本及其相应的类别组成集合； 步骤4.3：基于权重和距离计算出属于各类的概率，计算公式如下所示 ，其中为指示函数，如下公式所示： ，其中表示中第个样本的所属类别； 步骤4.4：最终将归到最大所对应的类别，共有两种类别，可解和不可解； 步骤5：将步骤4中经过求解验证的具有真实求解结果的路径约束添加到加权KNN的样本库中，扩充数据集并根据预测损失更新样本权重，接着转入步骤3探索下一条程序路径，直至整个程序遍历结束。

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辽宁大学，其通讯地址为：110000 辽宁省沈阳市沈北新区道义南大街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。