CN109460362A - 基于细粒度特征语义网络的系统接口时序知识分析系统 - Google Patents

基于细粒度特征语义网络的系统接口时序知识分析系统 Download PDF

Info

Publication number
CN109460362A
CN109460362A CN201811314437.7A CN201811314437A CN109460362A CN 109460362 A CN109460362 A CN 109460362A CN 201811314437 A CN201811314437 A CN 201811314437A CN 109460362 A CN109460362 A CN 109460362A
Authority
CN
China
Prior art keywords
interface
timing
failure
fine granularity
granularity feature
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811314437.7A
Other languages
English (en)
Inventor
王佳佳
李娜
张晛
杨楠
王颖
唱明旭
张依漪
王栋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jinghang Computing Communication Research Institute
Original Assignee
Beijing Jinghang Computing Communication Research Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Jinghang Computing Communication Research Institute filed Critical Beijing Jinghang Computing Communication Research Institute
Priority to CN201811314437.7A priority Critical patent/CN109460362A/zh
Publication of CN109460362A publication Critical patent/CN109460362A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/36—Preventing errors by testing or debugging software
    • G06F11/3668—Software testing
    • G06F11/3672—Test management

Abstract

本发明属于软件工程技术领域，具体涉及一种基于细粒度特征语义网络的系统接口时序知识分析系统，其包括：构建嵌入式系统测试故障集；在嵌入式系统测试故障集中搜索接口关键问题，分析提取与时序相关的故障，初步形成时序相关的接口故障集；在嵌入式系统测试故障集中搜索与时序关键的故障，分析提取与接口相关的故障，形成接口相关的时序故障集；两个故障集合并形成接口时序故障集；根据时序故障库中的故障类型，利用基于细粒度特征语义网络的方法，提取接口时序关键影响因素，形成嵌入式系统接口时序知识集。由此得到的嵌入式系统接口时序知识可实现测试知识的继承，且具有可扩展性，便于测试知识的推送，提升测试效率。

Description

基于细粒度特征语义网络的系统接口时序知识分析系统
技术领域
本发明属于软件工程技术领域，具体涉及一种基于细粒度特征语义网络的系统接口时序知识分析系统。
背景技术
在工程应用中，软件质量多数通过软件测试来进行评价。据统计，在专业的软件测试机构中，被测的567个软件中，发现的问题包括代码问题、文档问题、时序问题、接口问题等共31958个，而这些问题的描述在风格上、语言组织上、用户习惯上存在较大的差异，在进行相关问题检索时，由于描述的多样性导致遗漏大量信息，因此，对测试故障问题进行总结，形成测试知识势在必行。
目前对于测试知识的总结，采用人工总结的方式，测试知识之间的描述结构松散、关联性低、缺少继承性，不便于用户的理解、测试知识的维护，造成了测试经验无法继承，测试效率无法有效提升的问题。采用传统的语义网络表示的方法，可以实现测试知识描述紧凑、关联性强、具有继承性的问题，但是知识表示的粒度缺乏一致性，导致知识在应用时，易存在遗漏的情况，无法准确定位故障的原因。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是：如何解决软件工程领域内软件测试过程中缺乏系统知识指导、工程技术经验继承性差的问题。
(二)技术方案
为解决上述技术问题，本发明提供一种基于细粒度特征语义网络的系统接口时序知识分析系统，所述系统接口时序知识分析系统包括：
嵌入式系统测试故障集构建模块，其用于构建嵌入式系统测试故障集；
接口故障集提取模块，其用于在嵌入式系统测试故障集中搜索接口相关的关键故障，在接口相关的关键故障中分析提取与时序相关的故障，形成时序相关的接口故障集；
时序故障集提取模块，其用于在嵌入式系统测试故障集中搜索与时序相关的关键故障，在时序相关的关键故障中分析提取与接口相关的故障，形成接口相关的时序故障集；
合并模块，其用于将时序相关的接口故障集和接口相关的时序故障集合并形成接口时序故障集；
知识集生成模块，其用于根据接口时序故障集中的故障类型，利用基于细粒度特征语义网络的方法，提取接口时序相关的关键影响因素，形成嵌入式系统接口时序知识集。
其中，所述嵌入式系统测试故障集中存储引起测试系统软件发生故障的问题；
具体包括对于测试过程中遇到的故障，收集故障的问题名称、问题描述、问题类型。
其中，所述问题类型分为程序问题、代码问题、文档问题、时序问题、接口问题，每个问题的类型属于其中一种。
其中，所述接口故障集提取模块，对嵌入式系统测试故障集中的故障进行检索，搜索关键字“接口”，将与接口相关的关键故障收集后，筛选出与时序相关的故障，形成时序相关的接口故障集。
其中，所述时序故障集提取模块，对嵌入式系统测试故障集中的故障进行检索，搜索关键字“时序”，将与时序相关的关键故障收集后，筛选出与接口相关的故障，形成接口相关的时序故障集。
其中，所述知识集生成模块，采用基于细粒度特征语义网络的知识表示方法，对接口中的数据特性、功能特性进行表示，提取数据完整性、数据合法性、时间约束满足性、多任务并发冲突、中断顺序合理性和共享数据及访问冲突方面的关键因素，进一步提取细粒度特征作为语义网络表示的对象，形成嵌入式系统接口时序知识集。
其中，所述数据完整性的细粒度特征为数据长度、数据丢帧、传输字节与实际不一致。
其中，所述数据合法性的细粒度特征为校验和判断、串口返回值判断、发送数据标志设置、数据有效性判断。
其中，所述时间约束满足性的细粒度特征为时钟相移、数据传输超时、周期匹配性。
其中，所述多任务并发冲突的细粒度特征为多线程冲突、读/写双口RAM冲突.
其中，所述中断顺序合理性的细粒度特征为中断响应设计、中断初始化顺序；所述共享数据及访问冲突的细粒度特征为缓存状态、FIFO空/满状态。
(三)有益效果
与现有技术相比较，本发明采用细粒度特征语义网络知识表示的系统，可以解决上述现有技术的问题，将语义网络知识表示的层次定位至问题故障的最细粒度，使得基于语义网络表示的时序知识更加规范，便于准确定位故障的原因，提升时序知识的实用性。
本发明技术方案通过采取上述技术措施，可有效解决目前软件测试过程中缺乏知识指导的问题，便于测试经验知识的总结与集成，提升软件测试效率，减少类似故障出现，提高软件的安全性。
附图说明
图1为本发明技术方案所提供的方法流程图。
图2为本发明实施例1所提供的方法流程图。
图3为本发明实施例2所提供的方法流程图。
具体实施方式
为使本发明的目的、内容、和优点更加清楚，下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。
为解决现有技术的问题，本发明提供一种基于细粒度特征语义网络的系统接口时序知识分析系统，所述系统接口时序知识分析系统包括：
嵌入式系统测试故障集构建模块，其用于构建嵌入式系统测试故障集；
接口故障集提取模块，其用于在嵌入式系统测试故障集中搜索接口相关的关键故障，在接口相关的关键故障中分析提取与时序相关的故障，形成时序相关的接口故障集；
时序故障集提取模块，其用于在嵌入式系统测试故障集中搜索与时序相关的关键故障，在时序相关的关键故障中分析提取与接口相关的故障，形成接口相关的时序故障集；
合并模块，其用于将时序相关的接口故障集和接口相关的时序故障集合并形成接口时序故障集；
知识集生成模块，其用于根据接口时序故障集中的故障类型，利用基于细粒度特征语义网络的方法，提取接口时序相关的关键影响因素，形成嵌入式系统接口时序知识集。
其中，所述嵌入式系统测试故障集中存储引起测试系统软件发生故障的问题；
具体包括对于测试过程中遇到的故障，收集故障的问题名称、问题描述、问题类型。
其中，所述问题类型分为程序问题、代码问题、文档问题、时序问题、接口问题，每个问题的类型属于其中一种。
其中，所述接口故障集提取模块，对嵌入式系统测试故障集中的故障进行检索，搜索关键字“接口”，将与接口相关的关键故障收集后，筛选出与时序相关的故障，形成时序相关的接口故障集。
其中，所述时序故障集提取模块，对嵌入式系统测试故障集中的故障进行检索，搜索关键字“时序”，将与时序相关的关键故障收集后，筛选出与接口相关的故障，形成接口相关的时序故障集。
其中，所述知识集生成模块，采用基于细粒度特征语义网络的知识表示方法，对接口中的数据特性、功能特性进行表示，提取数据完整性、数据合法性、时间约束满足性、多任务并发冲突、中断顺序合理性和共享数据及访问冲突方面的关键因素，进一步提取细粒度特征作为语义网络表示的对象，形成嵌入式系统接口时序知识集。
其中，所述数据完整性的细粒度特征为数据长度、数据丢帧、传输字节与实际不一致。
其中，所述数据合法性的细粒度特征为校验和判断、串口返回值判断、发送数据标志设置、数据有效性判断。
其中，所述时间约束满足性的细粒度特征为时钟相移、数据传输超时、周期匹配性。
其中，所述多任务并发冲突的细粒度特征为多线程冲突、读/写双口RAM冲突.
其中，所述中断顺序合理性的细粒度特征为中断响应设计、中断初始化顺序；所述共享数据及访问冲突的细粒度特征为缓存状态、FIFO空/满状态。
此外，本发明还提供一种基于细粒度特征语义网络的系统接口时序知识分析方法，如图1所示，所述方法包括如下步骤：
步骤1：构建嵌入式系统测试故障集；
步骤2：在嵌入式系统测试故障集中搜索接口相关的关键故障，在接口相关的关键故障中分析提取与时序相关的故障，形成时序相关的接口故障集；
步骤3：在嵌入式系统测试故障集中搜索与时序相关的关键故障，在时序相关的关键故障中分析提取与接口相关的故障，形成接口相关的时序故障集；
步骤4：将时序相关的接口故障集和接口相关的时序故障集合并形成接口时序故障集；
步骤5：根据接口时序故障集中的故障类型，利用基于细粒度特征语义网络的方法，提取接口时序相关的关键影响因素，形成嵌入式系统接口时序知识集。
其中，所述嵌入式系统测试故障集中存储引起测试系统软件发生故障的问题，其依据评测机构近10年测试过程中遇到的问题；
具体包括对于测试过程中遇到的故障，收集故障的问题名称、问题描述、问题类型。
其中，所述问题类型分为程序问题、代码问题、文档问题、时序问题、接口问题，每个问题的类型属于其中一种。
其中，所述步骤2中，对嵌入式系统测试故障集中的故障进行检索，搜索关键字“接口”，将与接口相关的关键故障收集后，筛选出与时序相关的故障，形成时序相关的接口故障集。
其中，所述步骤3中，对嵌入式系统测试故障集中的故障进行检索，搜索关键字“时序”，将与时序相关的关键故障收集后，筛选出与接口相关的故障，形成接口相关的时序故障集。
其中，所述步骤5中，采用基于细粒度特征语义网络的知识表示方法，对接口中的数据特性、功能特性进行表示，提取数据完整性、数据合法性、时间约束满足性、多任务并发冲突、中断顺序合理性和共享数据及访问冲突方面的关键因素，进一步提取细粒度特征作为语义网络表示的对象，形成嵌入式系统接口时序知识集。
其中，所述数据完整性的细粒度特征为数据长度、数据丢帧、传输字节与实际不一致。
其中，所述数据合法性的细粒度特征为校验和判断、串口返回值判断、发送数据标志设置、数据有效性判断。
其中，所述时间约束满足性的细粒度特征为时钟相移、数据传输超时、周期匹配性。
其中，所述多任务并发冲突的细粒度特征为多线程冲突、读/写双口RAM冲突.
其中，所述中断顺序合理性的细粒度特征为中断响应设计、中断初始化顺序；所述共享数据及访问冲突的细粒度特征为缓存状态、FIFO空/满状态。
实施例1
本实施例具体描述对于数据合法性的接口时序知识分析方法。
如图2所示，该方法包括：
步骤1：构建嵌入式系统测试故障集，提供嵌入式系统测试故障集。对于测试过程中遇到的故障，收集故障的问题名称、问题描述、问题类型，形成嵌入式系统测试故障集。
步骤2：在嵌入式系统测试故障集中搜索接口问题，分析提取与时序相关的故障，初步形成时序相关的接口故障集。嵌入式系统测试故障集中的问题类型进行检索，搜索关键字“数据”、“接口”，将与数据接口相关的问题收集后，筛选出与时序相关的问题，形成时序相关的数据接口故障集。
步骤3：在嵌入式系统测试故障集中搜索与时序相关的故障，分析提取与接口相关的故障，形成接口相关的时序故障集，嵌入式系统测试故障集中的问题类型进行检索，搜索关键字“数据”、“时序”，将与数据时序相关的问题收集后，筛选出与接口相关的问题，形成接口相关的数据时序故障集。
步骤4：时序相关的接口故障集和接口相关的时序故障集合并形成接口时序故障集；
步骤5：根据时序故障库中的故障类型，利用基于细粒度特征语义网络的方法，提取接口时序关键影响因素，形成嵌入式系统接口时序知识集。
采用基于细粒度特征语义网络的知识表示方法，对接口中的数据合法性关键因素，形成嵌入式系统接口时序知识集。
实施例2
本实施例具体描述对于数据合法性的接口时序知识分析方法。
如图3所示，
步骤1：构建嵌入式系统测试故障集，提供嵌入式系统测试故障集。对于测试过程中遇到的故障，收集故障的问题名称、问题描述、问题类型，形成嵌入式系统测试故障集。
步骤2：在嵌入式系统测试故障集中搜索接口问题，分析提取与时序相关的故障，初步形成时序相关的接口故障集。嵌入式系统测试故障集中的问题类型进行检索，搜索关键字“时间”、“接口”，将与时间接口相关的问题收集后，筛选出与时序相关的问题，形成时序相关的时间接口故障集。
步骤3：在嵌入式系统测试故障集中搜索与时序相关的故障，分析提取与接口相关的故障，形成接口相关的时序故障集，嵌入式系统测试故障集中的问题类型进行检索，搜索关键字“时间”、“时序”，将与时间时序相关的问题收集后，筛选出与接口相关的问题，形成接口相关的时间时序故障集。
步骤4：时序相关的接口故障集和接口相关的时序故障集合并形成接口时序故障集；
步骤5：根据时序故障库中的故障类型，利用基于细粒度特征语义网络的方法，提取接口时序关键影响因素，形成嵌入式系统接口时序知识集。
采用基于细粒度特征语义网络的知识表示方法，对接口中的时间约束满足性关键因素，形成嵌入式系统接口时序知识集。
综上，本发明针对嵌入式系统接口时序在测试过程中遇到的故障，属于软件工程质量与可靠性技术领域。为解决软件测试过程中缺乏系统知识指导、工程技术经验继承性差的问题，本发明提供了一种测试知识总结的方法，步骤包括：构建嵌入式系统测试故障集，提供嵌入式系统测试故障集；在嵌入式系统测试故障集中搜索接口等关键问题，分析提取与时序相关的故障，初步形成时序相关的接口故障集；在嵌入式系统测试故障集中搜索与时序等关键的故障，分析提取与接口相关的故障，形成接口相关的时序故障集；时序相关的接口故障集和接口相关的时序故障集合并形成接口时序故障集；根据时序故障库中的故障类型，利用基于细粒度特征语义网络的方法，提取接口时序关键影响因素，形成嵌入式系统接口时序知识集。该技术方案得到的嵌入式系统接口时序知识可实现测试知识的继承，且具有可扩展性，便于测试知识的推送，提升测试效率。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (11)

1.一种基于细粒度特征语义网络的系统接口时序知识分析系统，其特征在于，所述系统接口时序知识分析系统包括：
嵌入式系统测试故障集构建模块，其用于构建嵌入式系统测试故障集；
接口故障集提取模块，其用于在嵌入式系统测试故障集中搜索接口相关的关键故障，在接口相关的关键故障中分析提取与时序相关的故障，形成时序相关的接口故障集；
时序故障集提取模块，其用于在嵌入式系统测试故障集中搜索与时序相关的关键故障，在时序相关的关键故障中分析提取与接口相关的故障，形成接口相关的时序故障集；
合并模块，其用于将时序相关的接口故障集和接口相关的时序故障集合并形成接口时序故障集；
知识集生成模块，其用于根据接口时序故障集中的故障类型，利用基于细粒度特征语义网络的方法，提取接口时序相关的关键影响因素，形成嵌入式系统接口时序知识集。
2.如权利要求1所述的基于细粒度特征语义网络的系统接口时序知识分析系统，其特征在于，所述嵌入式系统测试故障集中存储引起测试系统软件发生故障的问题；
具体包括对于测试过程中遇到的故障，收集故障的问题名称、问题描述、问题类型。
3.如权利要求2所述的基于细粒度特征语义网络的系统接口时序知识分析系统，其特征在于，所述问题类型分为程序问题、代码问题、文档问题、时序问题、接口问题，每个问题的类型属于其中一种。
4.如权利要求1所述的基于细粒度特征语义网络的系统接口时序知识分析系统，其特征在于，所述接口故障集提取模块，对嵌入式系统测试故障集中的故障进行检索，搜索关键字“接口”，将与接口相关的关键故障收集后，筛选出与时序相关的故障，形成时序相关的接口故障集。
5.如权利要求1所述的基于细粒度特征语义网络的系统接口时序知识分析系统，其特征在于，所述时序故障集提取模块，对嵌入式系统测试故障集中的故障进行检索，搜索关键字“时序”，将与时序相关的关键故障收集后，筛选出与接口相关的故障，形成接口相关的时序故障集。
6.如权利要求1所述的基于细粒度特征语义网络的系统接口时序知识分析系统，其特征在于，所述知识集生成模块，采用基于细粒度特征语义网络的知识表示方法，对接口中的数据特性、功能特性进行表示，提取数据完整性、数据合法性、时间约束满足性、多任务并发冲突、中断顺序合理性和共享数据及访问冲突方面的关键因素，进一步提取细粒度特征作为语义网络表示的对象，形成嵌入式系统接口时序知识集。
7.如权利要求6所述的基于细粒度特征语义网络的系统接口时序知识分析系统，其特征在于，所述数据完整性的细粒度特征为数据长度、数据丢帧、传输字节与实际不一致。
8.如权利要求6所述的基于细粒度特征语义网络的系统接口时序知识分析系统，其特征在于，所述数据合法性的细粒度特征为校验和判断、串口返回值判断、发送数据标志设置、数据有效性判断。
9.如权利要求6所述的基于细粒度特征语义网络的系统接口时序知识分析系统，其特征在于，所述时间约束满足性的细粒度特征为时钟相移、数据传输超时、周期匹配性。
10.如权利要求6所述的基于细粒度特征语义网络的系统接口时序知识分析系统，其特征在于，所述多任务并发冲突的细粒度特征为多线程冲突、读/写双口RAM冲突。
11.如权利要求6所述的基于细粒度特征语义网络的系统接口时序知识分析系统，其特征在于，所述中断顺序合理性的细粒度特征为中断响应设计、中断初始化顺序；所述共享数据及访问冲突的细粒度特征为缓存状态、FIFO空/满状态。
CN201811314437.7A 2018-11-06 2018-11-06 基于细粒度特征语义网络的系统接口时序知识分析系统 Pending CN109460362A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811314437.7A CN109460362A (zh) 2018-11-06 2018-11-06 基于细粒度特征语义网络的系统接口时序知识分析系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811314437.7A CN109460362A (zh) 2018-11-06 2018-11-06 基于细粒度特征语义网络的系统接口时序知识分析系统

Publications (1)

Publication Number Publication Date
CN109460362A true CN109460362A (zh) 2019-03-12

Family

ID=65609516

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811314437.7A Pending CN109460362A (zh) 2018-11-06 2018-11-06 基于细粒度特征语义网络的系统接口时序知识分析系统

Country Status (1)

Country Link
CN (1) CN109460362A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111045939A (zh) * 2019-12-09 2020-04-21 山西大学 Weibull分布的故障检测开源软件可靠性建模方法
CN112434514A (zh) * 2020-11-25 2021-03-02 重庆邮电大学 基于多粒度多通道的神经网络的语义匹配方法、装置及计算机设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150067648A1 (en) * 2013-08-27 2015-03-05 Hcl Technologies Limited Preparing an optimized test suite for testing an application under test in single or multiple environments
CN107301119A (zh) * 2017-06-28 2017-10-27 北京优特捷信息技术有限公司 利用时序相关性进行it故障根因分析的方法及装置
CN108038049A (zh) * 2017-12-13 2018-05-15 西安电子科技大学 实时日志控制系统及控制方法、云计算系统及服务器

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150067648A1 (en) * 2013-08-27 2015-03-05 Hcl Technologies Limited Preparing an optimized test suite for testing an application under test in single or multiple environments
CN107301119A (zh) * 2017-06-28 2017-10-27 北京优特捷信息技术有限公司 利用时序相关性进行it故障根因分析的方法及装置
CN108038049A (zh) * 2017-12-13 2018-05-15 西安电子科技大学 实时日志控制系统及控制方法、云计算系统及服务器

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
孙锦文等: "基于语义网络的副翼作动器综合故障诊断方法", 《山东科技大学学报(自然科学版)》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111045939A (zh) * 2019-12-09 2020-04-21 山西大学 Weibull分布的故障检测开源软件可靠性建模方法
CN111045939B (zh) * 2019-12-09 2021-03-30 山西大学 Weibull分布的故障检测开源软件可靠性建模方法
CN112434514A (zh) * 2020-11-25 2021-03-02 重庆邮电大学 基于多粒度多通道的神经网络的语义匹配方法、装置及计算机设备
CN112434514B (zh) * 2020-11-25 2022-06-21 重庆邮电大学 基于多粒度多通道的神经网络的语义匹配方法、装置及计算机设备

Similar Documents

Publication Publication Date Title
CA2801551C (en) System for generating test scenarios and test conditions and expected results
Gunawi et al. EIO: Error Handling is Occasionally Correct.
US6928393B2 (en) Method and system for supporting negative testing in combinatorial test case generators
US10845939B2 (en) Method and system for determining user interface usage
CN105426756A (zh) 机密信息的检测
CN102890702A (zh) 一种面向网络论坛的意见领袖挖掘方法
CN109460362A (zh) 基于细粒度特征语义网络的系统接口时序知识分析系统
CN109933984A (zh) 一种最佳聚类结果筛选方法、装置和电子设备
CN102567163B (zh) 基于uppaal的实时嵌入式系统构件间协同行为的验证方法
CN107608880A (zh) 一种基于数据驱动用于虚拟化平台的自动化测试方法
US8838559B1 (en) Data mining through property checks based upon string pattern determinations
CN109298882A (zh) 接口的管理方法、计算机可读存储介质和终端设备
US11687812B2 (en) Autoclassification of products using artificial intelligence
CN104272271A (zh) 具有指令跟踪能力的处理器装置
WO2017023299A1 (en) Composing future tests
CN109522692A (zh) 网页机器行为检测方法及系统
CN113569234B (zh) 一种用于安卓攻击场景重建的可视化取证系统及实现方法
CN109460478A (zh) 基于细粒度特征语义网络的系统接口时序知识分析方法
CN101178708A (zh) 针对结构化网页的自动模板信息定位方法
De Nicola Behavioral equivalences
Kuhn Automatic labeling of software components and their evolution using log-likelihood ratio of word frequencies in source code
KR102025813B1 (ko) 사건 흐름 정보를 제공하기 위한 연대순 정보 기반 큐레이션 장치 및 그것의 제어방법
Ge et al. RT-MOBS: A compositional observer semantics of time Petri net for real-time property specification language based on μ-calculus
WO2022134820A1 (zh) 网页的数据抽取方法、装置、电子设备及存储介质
Liang et al. RIDA: cross-app record and replay for Android

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20190312

RJ01 Rejection of invention patent application after publication