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面向非结构化数据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：CN115658484B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202211263084.9，技术领域涉及：G06F11/3668；该发明授权面向非结构化数据的模糊测试方法是由李晓光;于浩天设计研发完成，并于2022-10-15向国家知识产权局提交的专利申请。

本面向非结构化数据的模糊测试方法在说明书摘要公布了：面向非结构化数据的模糊测试方法，该方法将深度学习中的Sequence2Sequence网络和Char‑RNN网络进行组合，利用待测试的非结构化数据和其在对应目标程序中触发的执行路径的关系生成测试用例。并通过Attention机制对待测非结构化数据加权优化Sequence2Sequence网络模型，使用由两个decoder网络组成的ScheduledSampling模型混合真实序列元素和测试序列元素改进Sequence2Sequence网络的最终预测序列。本发明可以对非结构化数据的测试用例进行了质量较高的模糊测试，同时提高目标程序的路径覆盖率并检测出更多异常。

本发明授权面向非结构化数据的模糊测试方法在权利要求书中公布了：1.面向非结构化数据的模糊测试方法，其特征在于，其步骤为： 步骤1构建对非格式化数据中对象序列的注意力概率分布； 步骤2建立ScheduledSampling测试优化模型优化Seq2Seq网络； 步骤2-1建立ScheduledSampling模型的第一个decoder网络，并获得预测非格式化数据序列： 首先将非结构化数据的对象序列输入目标待测程序中获得相应的路径序列，将该路径序列输入至encoder网络中，得到注意力分布加权的测试中间状态向量，构建第一个decoder网络，再将中间状态向量通过该decoder进行首次预测，获得预测序列； 步骤2-2将原非结构化数据序列与预测数据序列混合： 通过原非结构化数据真实序列元素与预测序列元素进行混合得到一个新的序列：以概率Pt选择真实元素，以1-Pt选择预测元素，随着训练的进行，时间t在改变，模型训练越来越充分，先选择真实元素再选择预测的元素；采用线性衰减设定概率Pt的值，其中0≤P＜1，k和c提供了衰减的偏移量和斜率； Pt＝maxP,k-ct 步骤2-3建立ScheduledSampling模型的第二个decoder，输出非结构化数据序列： 构建第二个decoder网络，根据混合后的新序列作为该网络的输入，得到最终的非结构化数据序列； 步骤3组合Char-RNN模型和优化后的Seq2Seq模型为新的模糊测试方法； 组合Char-RNN模型和优化后的Seq2Seq模型为新的模糊测试方法，包括如下步骤： 步骤3-1利用Char-RNN模型获得新的执行路径序列： 将非格式化数据相对应的执行路径序列进行预处理，其中路径是由多个基本块block组成的序列，一条完整的路径就是block1,block2,block3…blockn，将其转化为相应的基本块序列并记录下来；输入Char-RNN网络模型时，将每条执行路径作为由基本块组成的字符串序列进行训练，最终预测出新的路径序列； 步骤3-2新路径序列与优化后Seq2Seq模型得到相应的非结构化数据； 步骤4通过新模糊测试方法对非结构化数据进行测试。

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”。