一种基于IFML的Android开发建模方法

朱玉丹

-/电子信息

本发明公开了一种基于IFML的Android开发建模方法，首先Android开发人员确定将要开发的Android应用由多少界面组成以及界面间的跳转关系，确定每个界面中包括了哪些Android控件，哪些控件需要绑定事件并且进行事件处理，事件处理完后是否进行界面间的跳转。对Android应用的整体运行流程确定后，我们初步地使用标准IFML对Android应用的整体运行流程中各种元素建立交互流模型，这个模型是粗粒度并且是高度抽象的，我们对标准IFML针对移动平台进行扩展，使用扩展后的IFML再对模型进行细化，这样得到的模型便具有了移动平台的概念，体现出移动平台的特点。这个模型中包含的元素信息不足够支撑Android开发，因此要进一步针对Android平台进行IFML的扩展，扩展后对Android应用运行流程进行描述刻画，这一步得到的模型信息能够帮助Android开发人员进行应用的开发。

基于CMM的质量保障平台

朱玉丹

-/电子信息

项目目标是研制一个具有指导性和一定支撑能力的用于构筑和维护软件过程标准体系的软件平台，并辅以示范应用、培训和标准规范制订，全面推动CMM /CMMI标准等在中国软件企业中的有效应用。在过程建模、企业资产管理、项目过程监控、度量分析、需求管理、测试管理、配置管理、以及协同支撑等关键技术方面取得进展的基础上，研制开发和完善了可支持CMM/CMMI标准的软件质量保障平台，包括基础平台和应用工具集两部分。其中基础平台包括过程描述设施、数据中心和过程控制设施；应用工具包括项目估算、WBS与计划跟踪、测试管理、文档管理、配置管理、需求管理和项目管理、过程度量、过程评估和培训支持等。

该平台已在东软集团、金蝶公司和金智科技进行典型示范，并在江苏省信息中心、南京方腾科技、南京讯迪软件和北京利博赛社保信息技术有限公司等十余家软件企业推广应用，同时对百余家软件企业进行了CMM/CMMI推广和培训。其中东软集团5个部门通过了CMMI 3级，东软股份2个部门通过CMMI 5级，金蝶国际软件通过CMM 4级评审。上述各项推广应用取得了良好的经济和社会效益。主要创新点包括：软件过程建模技术、平台实现和扩展技术、软件过程驱动和计划跟踪技术、软件过程资产管理技术、软件估算技术。

一种针对ROP攻击的防御方法

朱玉丹

-/电子信息

随着信息技术的不断发展，软件漏洞作为软件系统安全性的主要威胁之一，其危害程度越来越严重。攻击者利用软件漏洞可在未授权的情况下访问或者破坏系统，甚至取得系统的最高权限。ROP攻击避免了代码注入，它使用程序中已经存在的指令序列（以ret指令结尾）进行攻击。目前针对ROP攻击的防御方案有很多，更有一种运行时干扰程序控制流的防御方案，但是，这种运行时干扰程序执行上下文的方案需要在运行时保存与具体干扰操作相关的信息，并在必要时利用这些信息将程序恢复到正确的地点继续执行，这种保存和恢复的过程需要消耗大量的时间，导致这种方案在实际应用中不受用。

本发明提供一种针对ROP攻击的防御方法，本发明提供的针对ROP攻击的防御方法，通过分析相关的寄存器使用规则，利用动态插桩框架实现运行时干扰程序执行过程中的寄存器上下文，只需要在特定的位置插桩较少的指令即可干扰程序执行过程中使用的绝大部分通用寄存器。由于无需在运行时重复进行复杂的保存和恢复操作，本方法能够提高防御的效率。（专利号2016107060676）

一种基于路径合并的可引导符号执行漏洞检测方法

朱玉丹

-/电子信息

高效地发现程序中的潜在漏洞，是目前人们对漏洞检测的主要关注点之一。符号执行作为漏洞检测的一种常用方法，逐渐成为安全测试领域的研究热点。符号执行可以在给定的时间内尽可能多的探索程序路径，为每条路径生成具体输入从而验证路径的可达性和安全性。然而符号执行面临着随着程序规模增大而路径呈指数级增长的“路径爆炸”问题，使得其在冗余路径及与漏洞无关的路径上消耗过多的时间及资源，以至漏洞检测的效率和精度受到很大影响。

本发明的目的在于提供一种可以运用于漏洞检测和代码审计，并自动化地对目标程序执行高效的路径探索，从而更有效的进行漏洞识别、检测与验证的基于路径合并的可引导符号执行漏洞检测方法。相较于现有技术，本发明提供的基于路径合并的可引导符号执行漏洞检测方法将路径合并技术与启发式搜索技术相结合，能极大减少符号执行探索过程中的探索数量并且剪除与漏洞不相关的路径，在对敏感语句检查时减少不必要约束的求解，使符号执行的效率、漏洞检测的精度得到提高，从而实现更加精确、高效的漏洞检测。（专利号2016103937890）

基于虚函数表继承关系的代码重利用攻击检测方法

朱玉丹

-/电子信息

C++语言支持动态绑定，代码中存在大量的由虚函数调用而产生的间接跳转，极易为攻击者所利用，并且代码重用攻击不需要注入攻击代码，具有较好的隐蔽性、和图灵完备的计算能力，给用户计算机系统安全带来极大危害。针对虚函数调用点的控制流进行完整性保护，是检测代码重利用攻击的重要手段之一。然而，目前的代码重利用攻击检测方法在检测过程中存在着应用范围有限、不够准确、时间开销大等缺点，影响着检测方法的适用性。

针对目前代码重利用攻击检测方法在检测过程中存在着通用性差、准确性低、性能开销大的问题，本发明提出一种基于虚函数表继承关系的代码重利用攻击检测方法。本发明通过对可执行文件进行分析，根据其中虚函数表之间的继承关系，对代码中的虚函数调用点进行控制流完整性保护，检测代码重利用攻击，避免采用原有方法依赖源代码获得合法虚函数集合或将所有虚函数视为合法集合的检测策略，具有较高检测精度和速度，提高代码重利用攻击检测的准确性、通用性和效率。（专利号2016103490675）

一种面向电子图库的在线渐进式图像分类方法

朱玉丹

-/电子信息

随着数码相机、智能手机等便携式照相设备的普及，人们拥有的数字相片的数量急剧增长，使得人们愈发强烈的需要一个高效的图像分类管理系统。关于图像分类，当前比较流行的做法有使用机器学习算法，交互式分类方法等。现有技术主要存在三个缺陷：第一，离线学习方法只有一个不可更改的预定义的分类标准，难以满足不同用户的分类需求与偏好；第二，仅关注于对已有图像集按某一个固定不变的标准进行的分类，难以处理动态增加的图像集；第三，没有考虑对分类器的更新，难以处理动态变化的分类标准。

本发明针对现有技术的不足，提供了一种面向电子图库的在线渐进式图像分类方法，用于缓和、减轻或消除上述缺点。本发明可以边使用边训练，渐进地对分类器进行累积训练和更新，并且随着图像分类过程的进行，本发明可以得到越来越准确的初始分类结果。其次，本发明可以得到满足不同用户需求的多样化的分类结果，图像分类类别体系完全由用户自主确定，并且用户可以自由的增加新的类别。最后，本发明可以减少用户在对图像集进行分类过程中所需要的交互次数，降低用户交互负担。（专利号201610332789X）

一种数据驱动的迭代式图像在线标注方法

朱玉丹

-/电子信息

传统图像标注以分类、检索为应用目标，关心图像整体或局部的场景、对象及对象间关系等信息。在用户图像数据不断增长的背景下，图像的标注要更为灵活，标注体系多样，以适应不同用户的不同应用，同时保持较低的用户标注负担。

典型的图像标注方法都是采用模型驱动方式来实现，存在依赖假设模型、依赖大量人工标注训练数据、标注体系缺乏灵活性等缺点，不适用于大规模的用户图像的标注工作；而已有的数据驱动方法，也存在对标注数据先验知识的依赖问题，且没有针对图像进行特征表示的优化，对图像的表征能力差。

本发明针对现有技术的不足，提供一种数据驱动的迭代式图像在线标注方法，用于支持图像区域的标注。本发明可以渐进地标注图像区域，使用专门的特征组合来表征图像区域；还可以得到满足用户意图的多样性的标注结果，更符合图像区域标注的特点。此外，本发明采用成组的标注形式，标注效率较高，且随着用户分标注图像的增加，本发明可以越来越准确的得到用户的标注意图，减少用户交互负担。（专利号2016103176387）

一种三维模型部件类别自动标注方法

朱玉丹

-/电子信息

对三维模型部件构成的理解是形状理解和高层次几何处理的基础。近年来，研究人员逐步将发展成熟的机器学习技术引入到三维形状分析研究中，数据驱动的几何模型的联合分割方法正越来越受到关注。数据驱动的形状分割可产生一致性的具有语义标注的部件，并能够有效地支持三维模型的合成、实例建模、以及纹理合成等后续几何处理任务。

本发明可对同种类型的三维模型标注训练集进行快速训练学习，训练时间相比于以往的有监督学习时间大大减少，训练时间可从几小时，缩减为几秒钟，而且本发明不仅利用了训练集中三维模型的面片标注信息，还进一步利用了训练集中三维模型的网格边标注信息，从而进一步提高分割和标注精度。（专利号2016105300406）

一种基于多标签多示例学习的多目标图像联合分割方法

朱玉丹

-/电子信息

在数字图像处理领域，图像分割是一个基础性难题。传统的图像分割方法，都是针对单幅图像进行分割，这种方式要么很难准确的分割图像，要么需要大量的人工交互，不适于大规模图像集的分割。为了解决这些问题，联合分割做为一种重要的弱监督图像分割方法被提了出来，相对于无监督的分割方法其分割精度更高，且其人力成本更低。因此可广泛应用于多媒体处理及计算机视觉高层应用中。但目前多目标联合分割方法存在着以下的不足：（1）由于现有的方法往往无法获得准确的一致性信息，从而造成了分割结果中过分割的现象；（2）由于现有的方法中主要采用了无监督的方法去利用一致性信息去指导最终的分割，从而造成了分割精度较低。

为了解决上述技术问题，本发明通过引入深层语义特征和提出一种分段式对象聚类来获得精确和富有语义信息的一致性信息来克服过分割现象；同时利用有监督的多示例多标签学习来替换原有方法中使用的无监督方法，在保证了本发明无需人工交互的基础上，大大提高了分割的精度，从而使得本发明有着较高的应用价值。(专利号2016109455849)