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！

龙图腾网获悉苏州城市学院申请的专利一种深度学习模型的冗余变异体侦测方法及系统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：CN119740177B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202510245238.9，技术领域涉及：G06F18/2433；该发明授权一种深度学习模型的冗余变异体侦测方法及系统是由陆公正;杨洋;赵志宏设计研发完成，并于2025-03-04向国家知识产权局提交的专利申请。

本一种深度学习模型的冗余变异体侦测方法及系统在说明书摘要公布了：本发明涉及软件测试领域，尤其涉及一种深度学习模型的冗余变异体侦测方法及系统。本发明获取每个测试样本在原始深度学习模型及各变异体的隐藏状态序列，对每个隐藏状态向量进行维度约简，对所有约简后的隐藏状态向量进行聚类，将每个聚类簇视为一个抽象状态，每个测试样本在各模型的隐藏状态序列的抽象状态间的转换序列作为每个测试样本在对应模型的抽象状态迹；根据每个测试样本在原始深度学习模型与各变异体的抽象状态迹，构建各模型的有限状态机；利用原始深度学习模型及各变异体的有限状态机语言之间的等价和包含关系，识别冗余变异体。本发明提高了冗余变异体侦测的有效性，确保了评估图像或文本测试用例集质量的准确性。

本发明授权一种深度学习模型的冗余变异体侦测方法及系统在权利要求书中公布了：1.一种深度学习模型的冗余变异体侦测方法，其特征在于，包括以下步骤： 使用各变异算子对原始深度学习模型进行变异，生成每个变异算子对应的原始深度学习模型的变异体； 获取每个测试样本在原始深度学习模型及各变异体的训练过程中的隐藏状态序列，对每个隐藏状态序列中各个隐藏状态向量进行维度约简； 对所有测试样本在原始深度学习模型及各变异体训练过程中约简后的各个隐藏状态向量进行聚类，将每个聚类簇视为一个抽象状态，把约简后的各个隐藏状态向量映射到对应的抽象状态； 对于每个测试样本在原始深度学习模型及各变异体中的隐藏状态序列，将每个隐藏状态序列中约简后的各个隐藏状态向量均映射为其对应的抽象状态，得到每个测试样本在原始深度学习模型及各变异体的抽象状态迹； 根据所有测试样本在原始深度学习模型的原始抽象状态迹，构建原始抽象状态迹的有限状态机； 根据所有测试样本在各变异体的变异抽象状态迹，构建各变异体的变异抽象状态迹的有限状态机； 基于每个测试样本在各变异体的变异抽象状态迹，利用原始抽象状态迹的有限状态机，识别原始深度学习模型的冗余变异体包括： 基于所有测试样本在当前变异体的变异抽象状态迹，生成当前变异体的正则语言； 若原始抽象状态迹的有限状态机可接受的语言与当前变异体的正则语言为等价关系，则当前变异体为原始深度学习模型的等价变异体； 若原始抽象状态迹的有限状态机可接受的语言包含当前变异体的正则语言，则当前变异体为原始深度学习模型的包含变异体； 基于每个测试样本在除当前变异体外的各变异体的变异抽象状态迹，利用当前变异体的变异抽象状态迹的有限状态机，识别当前变异体的冗余变异体，得到每个变异体的冗余变异体，包括： 基于所有测试样本在第个变异体的变异抽象状态迹，生成第个变异体的正则语言； 若第个变异体的变异有限状态机可接受的语言与第个变异体的正则语言为等价关系，则第个变异体为第个变异体的等价变异体； 若第个变异体的变异有限状态机可接受的语言包含第个变异体的正则语言，则第个变异体为第个变异体的包含变异体；其中，，，，为变异体的个数； 其中，当测试样本为图像数据时，原始深度学习模型为图像分割模型、目标检测模型、图像去雾模型中任意一种； 当测试样本为文本数据时，原始深度学习模型为文本分类模型、命名实体识别模型、文本匹配模型中任意一种。

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苏州城市学院，其通讯地址为：215000 江苏省苏州市吴中区吴中大道1188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”。