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！

龙图腾网获悉安徽大学申请的专利一种针对深度学习缺陷警报的自动验证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：CN117687908B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202311654120.9，技术领域涉及：G06F11/3604；该发明授权一种针对深度学习缺陷警报的自动验证方法是由李薛剑;朱争光设计研发完成，并于2023-12-05向国家知识产权局提交的专利申请。

本一种针对深度学习缺陷警报的自动验证方法在说明书摘要公布了：本发明公开了一种针对深度学习缺陷警报的自动验证方法，首先使用训练好的深度学习模型对待测程序进行预测，得到缺陷警报，缺陷警报包含潜在缺陷的类型和位置，然后生成从待测程序入口到每个潜在缺陷位置的可达路径集P，并收集每个缺陷变量的上下文信息后，对每个可达路径集P中的可达路径进行排序，再按照可达路径的排序，根据自定义的缺陷模式库和收集到的缺陷变量上下文信息，构造可达路径集P中每条可达路径的触发约束和路径约束，最后将每条可达路径的触发约束和路径约束送入z3约束求解器进行求解，根据可达路径求解结果判定每个潜在缺陷的真实性。本发明可自动验证深度学习缺陷警报的真实性，降低了深度学习预测缺陷的误报率。

本发明授权一种针对深度学习缺陷警报的自动验证方法在权利要求书中公布了：1.一种针对深度学习缺陷警报的自动验证方法，其特征在于：包括有以下步骤： 1、使用训练好的深度学习模型对待测程序进行预测，得到缺陷警报，缺陷警报包含潜在缺陷的类型和位置； 2、生成从待测程序入口到每个潜在缺陷位置的可达路径集P； 3、收集每个潜在缺陷位置处缺陷变量的上下文信息； 4、对每个可达路径集P中的可达路径进行排序，具体步骤为： S41、收集待测程序入口函数中每个入参变量到缺陷变量区间运算后的区间大小作为权重依据之一，区间越大，权重越大；对于第i条可达路径上的第j个入参变量的区间大小为，其中，为第j个入参变量区间中的最小值，为第j个入参变量区间中的最大值； 第j个入参变量区间权重的计算公式见下式1： 1； 式1中，MAX_VALUE和MIN_VALUE为第j个入参变量类型的最大值和最小值； 第i条可达路径区间权重的计算公式见下式2： 2； S42、收集路径约束中变量的个数作为权重依据之一，其中遍历待测程序中的基本块，获取在路径约束中的变量数量，变量数量越多，权重越小； 第i条可达路径变量个数权重的计算公式见下式3: 3； 式3中，为第i条路径上约束变量的个数，为每个潜在缺陷所有可达路径上约束变量的个数； S43、收集路径约束中变量的依赖关系，将依赖关系个数作为权重依据之一，依赖关系越多，权重越小； 第i条可达路径依赖关系权重的计算公式见下式4： 4； 式4中，为第i条路径上依赖关系的个数，为每个潜在缺陷所有可达路径上依赖关系的个数； S44、将区间权重、变量个数权重和依赖关系权重进行相加运算，得到每条可达路径的权重值，然后构造可达路径集P的偏序关系，并根据可达路径集P中每条可达路径权重值的大小对可达路径集P中的可达路径进行排序； 5、按照可达路径集P中可达路径排序后的路径顺序，根据自定义的缺陷模式库和收集到的缺陷变量上下文信息，构造可达路径集P中每条可达路径的触发约束和路径约束，路径约束是可达路径中存在的约束信息，触发约束是为了触发缺陷而添加的约束信息； 6、将每条可达路径的触发约束和路径约束送入z3约束求解器进行求解，由求解结果确认可达路径为安全路径、可触发缺陷路径或未知路径； 7、根据z3约束求解器的求解结果判定每个潜在缺陷为真实缺陷、误报缺陷或无法确定缺陷。

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安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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。