[发明专利]一种基于强化学习的程序验证方法及装置有效
| 申请号： | 202011394907.2 | 申请日： | 2020-12-03 |
| 公开（公告）号： | CN112506767B | 公开（公告）日： | 2022-07-05 |
| 发明（设计）人： | 贺飞;杨璨;于千山;杨柳 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G06F11/36 | 分类号： | G06F11/36;G06N3/04;G06N3/08;G06K9/62 |
| 代理公司： | 北京新知远方知识产权代理事务所(普通合伙) 11397 | 代理人： | 马军芳;张艳 |
| 地址： | 100089*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例公开一种基于强化学习的程序验证方法及装置。该方法包括：获取待验证程序；待验证程序包括多个子程序；运行第一个子程序，得到对应的第一程序特征；将第一子程序的下一子程序作为当前子程序，将第一程序特征作为当前程序特征；将当前程序特征输入预先训练得到的神经网络模型中，得到当前程序特征对应的当前抽象域；基于当前抽象域，对当前子程序进行验证，得到当前子程序对应的当前程序特征；当存在未验证的子程序时，将当前子程序的下一子程序作为当前子程序，返回执行将当前程序特征输入预先训练得到的神经网络模型中，得到当前程序特征对应的当前抽象域的步骤。应用本发明实施例提供的方案，能够提高抽象域确定的效率。 | ||
| 搜索关键词： | 一种 基于 强化 学习 程序 验证 方法 装置 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于清华大学，未经清华大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202011394907.2/，转载请声明来源钻瓜专利网。
