多维在线跨语言Calling Network建模及其在可信国家电子税务软件中的实证应用

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    91418205
  • 项目类别:
    重大研究计划
  • 资助金额:
    170.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0203.软件理论、软件工程与服务
  • 结题年份:
    2016
  • 批准年份:
    2014
  • 项目状态:
    已结题
  • 起止时间:
    2015-01-01 至2016-12-31

项目摘要

This project is conducted considering two new trustworthy requirements of national E-taxation software, namely user behavior trustworthy monitoring and trustworthy evaluation in software evolution. In our previous research, a model named as Calling Network (CN) was proposed to describe a software system’s runtime method call behaviors and structures. Software trustworthy evaluation and testing techniques based on CN model were also proposed. In this project, an advanced online CN model, named as MOC-CN, is studied to describe Multi-dimension, Cross-language interactive relations between software entities at different granularities. Software and user behavior patterns and their mapping relationship are investigated. Abnormal detection techniques on software and user behaviors are explored. Based on MOC-CN, the software behavior-based difference detection method is examined to find the effective differences among various versions of software, which is applied to guiding test case generation in software trustworthy testing. The trustworthy monitoring and evaluation systems will be developed for the individual income taxation systems in nine provinces, including Shaanxi, Hebei, Anhui, Guangxi, Shanghai etc. The trustworthy monitoring systems are deployed to monitor more than 900,000 users; and the evaluation systems are applied to supporting system updating about 3 months. Moreover, we will participate in the development of E-taxation software specification in “Golden Tax Project III”. This project would be an exemplary case to demonstrate the application and effectiveness of the research findings in the major research plan of trustworthy software.
针对国家电子税务软件新出现的可信需求:用户行为可信监控和系统版本演化可信评测,在现有软件调用网络模型Calling Network(CN)和软件可信评测与控制技术研究基础上,持续研究面向网络软件的MOC-CN模型,实现软件行为监控从单一系统离线建模,到多维(Multi-dimension)、在线(Online)、跨语言(Cross-language)建模的提升;挖掘软件行为与用户行为的模式特征和映射关系,研究软件和用户异常行为的实时监测和识别方法;研究基于MOC-CN的软件版本演化差异检测和差异引导的可信评测方法。以个人所得税征管系统为载体,研制电子税务软件可信监控和评测系统,在陕西、河北、安徽、广西、上海等9个省市开展示范应用,支持90万纳税人的行为监管,并协助税务部门维护软件升级3个月,参与国家金税工程三期电子税务软件行业规范的制定,在此基础上形成可信软件理论方法的典型应用案例。

结项摘要

本项目在软件调用模型Calling Network基础上,提出了软件多维在线跨语言调用网络模型(Multi-dimension Online Cross-language Calling Network, MOC-CN),实现了软件行为监控从单一系统离线建模,到多维(Multi-dimension)、在线(Online)、跨语言(Cross-language)建模的提升,实现对分布式软件系统、多语言系统、二进制程序、Android程序等不同软件系统的行为监控和调用结构分析。以MOC-CN模型为基础,提出了基于时序行为模式挖掘的软件及用户异常行为识别与控制方法;研究了基于MOC-CN的软件版本升级的差异性检测及其可信性评测。在理论研究的基础上,研制了Structure-CT 及Action-CT等一系列可信软件工具,并实际应用于金税三期工程管理决策分析平台和陕西省国家税务局自动化测试平台等项目,承担了项目中冗余代码检测、系统结构可信性评估、软件开发过程管理和可信性测试等任务,论证了研究成果的有效性和应用价值。.本项目研究过程中,课题组获得2015年教育部科技进步一等奖、2016年国家知识产权局“中国专利奖”优秀奖、2016 IEEE ISSRE最佳论文奖等。研究成果在IEEE TSE、IEEE TFS、JSS、ICSE、ASE等国际期刊和会议上发表论文20篇,授权国家发明专利7项,申请国际PCT专利4项,授权美国发明专利1项,培养博士4人,硕士8人。超额完成项目计划书所规定的各项目标。

项目成果

期刊论文数量(7)
专著数量(0)
科研奖励数量(1)
会议论文数量(7)
专利数量(0)
A Segmentation Matrix Method for Chinese Segmentation Ambiguity Analysis
中文分词歧义分析的分词矩阵法
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    Computational Linguistics and Chinese Language Processing
  • 影响因子:
    --
  • 作者:
    Yanping Chen;Qinghua Zheng;Feng Tian;Deil Zheng
  • 通讯作者:
    Deil Zheng
Feature assembly method for extracting relations in Chinese
中文关系抽取的特征组装方法
  • DOI:
    10.1016/j.artint.2015.07.003
  • 发表时间:
    2015
  • 期刊:
    Artificial Intelligence
  • 影响因子:
    14.4
  • 作者:
    Chen; Yanping;Zheng; Qinghua;Chen; Ping
  • 通讯作者:
    Ping
Exploring community structure of software Call Graph and its applications in class cohesion measurement
Call Graph软件社区结构探讨及其在类凝聚力测量中的应用
  • DOI:
    10.1016/j.jss.2015.06.015
  • 发表时间:
    2015
  • 期刊:
    Journal of Systems and Software
  • 影响因子:
    3.5
  • 作者:
    Liu; Ting;Wang; Lidan;Hou; Yuqiao;Yang; Zijiang
  • 通讯作者:
    Zijiang
A Boundary Assembling Method for Chinese Entity-Mention Recognition
中文实体提及识别的边界组装方法
  • DOI:
    10.1109/mis.2015.71
  • 发表时间:
    2015
  • 期刊:
    IEEE Intelligent Systems
  • 影响因子:
    6.4
  • 作者:
    Chen; Yanping;Zheng; Qinghua;Chen; Ping
  • 通讯作者:
    Ping
Exploiting thread-related system calls for plagiarism detection of multithreaded programs
利用线程相关的系统调用进行多线程程序的抄袭检测
  • DOI:
    10.1016/j.jss.2016.06.014
  • 发表时间:
    2016
  • 期刊:
    Journal of Systems and Software
  • 影响因子:
    3.5
  • 作者:
    Zheng; Qinghua;Fan; Ming;Zhuang; Eryue;Yang; Zijiang
  • 通讯作者:
    Zijiang

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

网络化系统安全态势评估的研究
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    《西安交通大学学报》, 2004年第38卷第4期
  • 影响因子:
    --
  • 作者:
    陈秀真;郑庆华;管晓宏;林晨光
  • 通讯作者:
    林晨光
基于互惠性约束的可解释就业推荐方法
  • DOI:
    10.7544/issn1000-1239.2021.20211008
  • 发表时间:
    2021
  • 期刊:
    计算机研究与发展
  • 影响因子:
    --
  • 作者:
    朱海萍;赵成成;刘启东;郑庆华;曾疆维;田锋;陈妍
  • 通讯作者:
    陈妍
An optimized approach for storing and accessing small files on cloud storage
一种在云存储上存储和访问小文件的优化方法
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    Journal of Network and Computer Applications
  • 影响因子:
    8.7
  • 作者:
    董博;郑庆华;田锋;等
  • 通讯作者:
智慧教育研究现状与发展趋势
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    计算机研究与发展
  • 影响因子:
    --
  • 作者:
    郑庆华;董博;钱步月;田锋;魏笔凡;张未展;刘均
  • 通讯作者:
    刘均
一种面向4G-LTE网络的丢包区分算法
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    计算机研究与发展
  • 影响因子:
    --
  • 作者:
    杜海鹏;郑庆华;张未展;闫继锋
  • 通讯作者:
    闫继锋

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

郑庆华的其他基金

基于介科学的符号化递阶可解释学习模型及偷逃骗税检测实证应用
  • 批准号:
    62250009
  • 批准年份:
    2022
  • 资助金额:
    198 万元
  • 项目类别:
    专项基金项目
在线教育跨媒体智能问答的可解释推理方法研究
  • 批准号:
    62137002
  • 批准年份:
    2021
  • 资助金额:
    301 万元
  • 项目类别:
    重点项目
基于介科学的可解释学习模型及发票虚开检测实证应用
  • 批准号:
    62050194
  • 批准年份:
    2020
  • 资助金额:
    100 万元
  • 项目类别:
    专项基金项目
碎片化知识聚合方法研究
  • 批准号:
    61532015
  • 批准年份:
    2015
  • 资助金额:
    285.0 万元
  • 项目类别:
    重点项目
面向国家电子税务系统的可信软件试验环境与示范应用
  • 批准号:
    91118005
  • 批准年份:
    2011
  • 资助金额:
    300.0 万元
  • 项目类别:
    重大研究计划
可信电子税务网络发票系统试验环境及其实证研究
  • 批准号:
    91018011
  • 批准年份:
    2010
  • 资助金额:
    50.0 万元
  • 项目类别:
    重大研究计划
面向非结构化文本的领域知识获取方法的研究
  • 批准号:
    60473136
  • 批准年份:
    2004
  • 资助金额:
    22.0 万元
  • 项目类别:
    面上项目
网络学习中学习者个性挖掘方法的研究与应用
  • 批准号:
    60373105
  • 批准年份:
    2003
  • 资助金额:
    23.0 万元
  • 项目类别:
    面上项目
个性化互动式虚拟协同学习环境的研究
  • 批准号:
    60103022
  • 批准年份:
    2001
  • 资助金额:
    4.0 万元
  • 项目类别:
    青年科学基金项目

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