软件系统复杂网络层次化实体挖掘方法及关键技术研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61572420
  • 项目类别:
    面上项目
  • 资助金额:
    65.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0202.系统软件、数据库与工业软件
  • 结题年份:
    2019
  • 批准年份:
    2015
  • 项目状态:
    已结题
  • 起止时间:
    2016-01-01 至2019-12-31

项目摘要

As scale of software system and complexity of its structure are increasing, the reasonal description and effective measurement of its complexity become the guarantee of improving software safety and reliability, and ensuring its quality. Considered that complex network analysis methods have been the inevitable trend to study the complexity of software structure and its behavioral characterisitics, this project thus intends to do research on structural and behavioral characteristics of software entities at different levels from the perspective of complex network. The content goes as follows: 1. To study the method mapping dynamic execution process of software as complex network, and to construct a complex software network mapping model based on the method. 2. On network level, to propose a relevant community partition algorithm suitable for the network which is directed and weighted, as well as of overlapping nodes, and a key module detection method based on module coupling. 3. On path level, to study the behavioral characteristics of complex network execution paths, and to present critical execution path mining algorithm based on clustering. 4. On node level, to design a new evaluation index to develop a key nodes mining algorithm according to the similarity between nodes. 5. Study on entities mining results of different software, to design a method to find software structural characteristics and its evolution characteristics, and accordingly build a theoretical framework for the visual mining in multi-level software entities.
软件系统规模越来越大,结构越来越复杂,对其复杂性进行合理地描述和有效地度量是提高软件安全性和可靠性、确保软件质量的保证,采用复杂网络分析方法是研究软件结构复杂性及行为特征的必然趋势。本项目拟从复杂网络角度,对软件系统不同层次实体的结构特性和行为特征进行研究,拟开展内容:1.研究将软件动态执行过程映射为复杂网络的方法,构建基于复杂网络的复杂软件网络映射模型;2.在网络层次上,针对有向加权、节点重叠等特性的软件网络,提出适用于该网络的社团划分算法以及基于模块耦合性的关键模块发现方法;3.在路径层次上,研究复杂软件执行路径行为特征,提出基于聚类的关键执行路径挖掘算法;4.在节点层次上,根据节点间的相似性贡献,制定新的关键节点评价指标,提出关键节点挖掘算法;5.研究不同软件的实体挖掘结果信息,设计发现软件结构组成特性和软件结构演变特性的方法,并以此构建可视化的软件多层次实体挖掘理论框架。

结项摘要

软件系统规模越来越大,结构越来越复杂,对其复杂性进行合理地描述和有效地度量是提高软件的安全性和可靠性、确保软件质量的保证,而目前采用复杂网络分析方法已是研究软件结构复杂性及其行为特征的必然趋势。本项目从复杂网络角度,对软件系统不同层次实体的结构特性和行为特征进行了研究分析,完成了以下主要研究内容:1.研究将软件动态执行过程映射为复杂网络的方法,构建了基于复杂网络的复杂软件网络映射模型;2.在网络层次上,针对有向加权、节点重叠等特性的软件网络,提出了适用于该网络的社团划分算法以及基于模块耦合性的关键模块发现方法;3.在路径层次上,研究复杂软件执行路径行为特征,提出了基于聚类的关键执行路径的挖掘算法;4.在节点层次上,根据节点间的相似性贡献,制定了新的关键节点评价指标,提出了关键节点挖掘算法;5.针对不同软件的实体挖掘分析,设计了发现软件结构组成特性和软件结构演变特性的方法,并以此构建了一套可视化的软件多层次实体挖掘理论框架。本项目原计划拟以“发表高水平论文14~25篇,以及培养11~15名研究生”的方式提供研究成果,根据本项目实际的执行情况,项目组成员于项目期间在国内外学术期刊上共发表学术论文33篇,其中SCI期刊论文为20篇,EI期刊论文7篇,中文期刊论文6篇,培养了4名博士研究生以及14名硕士研究生。项目的研究成果及技术支撑了课题组成员在其他4项软件安全领域的项目的研究,一项空气质量相关领域项目的研究,以及多项校企联合项目的研究分析。项目的成果转化有着很好的社会和经济效益。

项目成果

期刊论文数量(33)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
Mining high utility patterns from software executing traces
从软件执行轨迹中挖掘高实用模式
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    International Journal of Innovative Computing Information and Control
  • 影响因子:
    1
  • 作者:
    He Haitao;Wang Ji;i;Xu Cui;Wang Hao;Ren Jiadong
  • 通讯作者:
    Ren Jiadong
Mining dynamic noteworthy functions in software execution sequences
挖掘软件执行序列中动态值得注意的函数
  • DOI:
    10.1371/journal.pone.0173244
  • 发表时间:
    --
  • 期刊:
    PLos One
  • 影响因子:
    3.7
  • 作者:
    Zhang Bing;Huang Guoyan;Wang Yuqian;He Haitao;Ren Jiadong
  • 通讯作者:
    Ren Jiadong
An efficient algorithm for mining high utility contiguous patterns from software executing traces
一种从软件执行轨迹中挖掘高效连续模式的有效算法
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    International Journal of Innovative Computing Information and Control
  • 影响因子:
    1
  • 作者:
    Huang Guoyan;Gao Rui;Wang Ji;i;Yan Jiaming;Ren Jiadong
  • 通讯作者:
    Ren Jiadong
Mining concise representations of high utility itemsets with negative utilities from software executing traces
从软件执行轨迹中挖掘具有负效用的高效用项集的简明表示
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    International Journal of Innovative Computing Information and Control
  • 影响因子:
    1
  • 作者:
    Ren Jiadong;Yan Jiaming;Gao Rui;Wang Ji;i;He Haitao
  • 通讯作者:
    He Haitao
S-C特征提取的计算机漏洞自动分类算法
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    计算机科学与探索
  • 影响因子:
    --
  • 作者:
    任家东;王倩;王菲;李亚洲;刘佳新
  • 通讯作者:
    刘佳新

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

有向复杂网络结构熵的软件动态执行关键节点挖掘算法
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    小型微型计算机系统
  • 影响因子:
    --
  • 作者:
    王倩;胡松旺;郭嘉伟;任家东;赵小林
  • 通讯作者:
    赵小林
双粒度轻量级漏洞代码切片方法评估模型
  • DOI:
    --
  • 发表时间:
    2021
  • 期刊:
    通信学报
  • 影响因子:
    --
  • 作者:
    张炳;文峥;赵宇轩;王苧;任家东
  • 通讯作者:
    任家东
S-C特征提取的计算机漏洞自动分类算法
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    计算机科学与探索
  • 影响因子:
    --
  • 作者:
    任家东;王倩;王菲;李亚洲;刘佳新
  • 通讯作者:
    刘佳新
S-C特征提取的计算机漏洞自动分类算法
  • DOI:
    --
  • 发表时间:
    2020
  • 期刊:
    计算机科学与探索
  • 影响因子:
    --
  • 作者:
    任家东;王倩;王菲;李亚洲;刘佳新
  • 通讯作者:
    刘佳新
基于通用数据保护条例的数据隐私安全综述
  • DOI:
    10.7544/issn1000-1239.20220800
  • 发表时间:
    2022
  • 期刊:
    计算机研究与发展
  • 影响因子:
    --
  • 作者:
    赵景欣;岳星辉;冯崇朋;张静;李印;王娜;任家东;张昊星;伍高飞;朱笑岩;张玉清
  • 通讯作者:
    张玉清

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

任家东的其他基金

基于计算机视觉的软件漏洞检测及关键技术研究
  • 批准号:
    62376240
  • 批准年份:
    2023
  • 资助金额:
    51 万元
  • 项目类别:
    面上项目
基于数据挖掘方法的软件安全特性建模与分析
  • 批准号:
    61170190
  • 批准年份:
    2011
  • 资助金额:
    56.0 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码