01、一种基于程序演进模型的目标代码逆向工程系统

本发明公开了一种基于程序演进模型的目标代码逆向工程系统，可以自动地识别目标代码文件封装格式，区分目标代码文件代码段，并使用反汇编技术进行分析并生成相应的程序模型，又在前一个程序模型基础上，再次进行分析并生成新的程序模型，不断重复以上过程，逐步精化，最终生成.ASM可再汇编文件。采用本发明，可以对自混淆的、含有指令重叠的目标代码文件进行准确而有效的逆向工程，可以应用于含有自混淆指令，指令重叠等加壳恶意软件的分析与识别以及防反汇编闭源软件的分析。

02、一种基于程序演进模型的目标代码逆向工程方法

本发明公开了一种基于程序演进模型的目标代码逆向工程方法，可以自动地识别目标代码文件封装格式，区分目标代码文件代码段，并使用反汇编技术进行分析并生成相应的程序模型，又在前一个程序模型基础上，再次进行分析并生成新的程序模型，不断重复以上过程，逐步精化，最终生成.ASM 可再汇编文件。采用本发明，可以对自混淆的、含有指令重叠的目标代码文件进行准确而有效的逆向工程，可以应用于含有自混淆指令，指令重叠等加壳恶意软件的分析与识别以及防反汇编闭源软件的分析。

03、一种基于代数演算的中间代码优化系统

本发明公开了一种基于代数演算的中间代码优化系统，所述系统包括高级语言转换单元、代数优化单元及目标代码生成单元。其中高级语言转换单元用于完成对输入代码到规范型中间代码的转换；代数优化单元用于完成对所述规范性中间代码的优化；目标代码生成单元用于生成目标代码。本发明所述基于代数演算的中间代码优化系统通过给定的优化策略，对转换成规范型的中间代码进行优化。优化策略可以由用户自定义，提高优化效率；优化过程则由所述系统自动进行，实现自动化中间代码优化。

04、一种基于代数演算的中间代码优化方法

本发明提出了一种基于代数演算的中间代码优化方法，包括：高级语言转换步骤，将输入的源代码、其他形式的中间语言程序转换成为所述优化方法使用的中间语言程序，所述其他形式的中间语言指与所述优化方法所使用的中间语言不同的中间语言；优化步骤，向用户提供优化策略定制，允许用户提供目标平台硬件特性，定制特别的优化策略，使用优化策略对所述高级语言转换步骤的中间语言进行优化，得到经过优化的中间代码；目标代码生成步骤，将经过优化的中间代码生成目标平台的可执行机器码。本发明基于形式化代数语义，所有的输入代码都可以在代数规则的支持下进行等价变化。代数规则的合理性，保证了转换的正确性。

05、一种空间飞行器的自适应重构方法及系统

本发明公开了一种空间飞行器的自适应重构方法及系统，该方法包括：S1：数据采集步骤；S2：数学符号形式化步骤；S3：形式化数学符号检测步骤；S4：自重构系统反馈步骤；S5：自重构系统优化步骤。该系统包括：数据采集模块；数学符号形式化模块，相当于数学符号表示模块；形式化数学符号检测模块，相当于模型检测模块；自重构系统反馈模块；自重构系统优化模块。本发明的方法和系统体现了程序、硬件、环境和规范四个方面相互作用相互影响，真实模拟了实际环境过程，能够做到发现问题并自适应重构，确保软硬件协同设计的可靠性。

06、一种空间飞行器的重构飞行控制方法及系统

本发明公开了一种空间飞行器的重构飞行控制方法及系统，该方法包括（1）采集软硬件信息；(2）将所采集的信息数学符号化表示：(3）设定环境场景数据：(4）进行规范化约束：(5）进行模型检测；(6）进行自适应和重构；(7）进行反馈优化；(8）重新建模测试，该系统包括数据采集模块，数学符号表示模块，模型检测模块，自重构系统反馈模块，自重构系统优化模块。本发明的方法和系统真实模拟了实际环境过程，能够做到发现问题并自适应重构，确保软硬件协同设计的可靠性。

07、一种基于GroupLasso的半监督哈希图像搜索装置

本发明提供一种基于 GroupLasso的半监督哈希图像搜索装置，属于图像搜索领域。所述装置包括：预处理模块，用于识别图像数据库中的标签图像和非标签图像，并对输入图像、标签图像和非标签图像进行预处理；训练学习模块，用于根据预处理之后的输入图像、标签图像和非标签图像进行基于GroupLasso的半监督哈希学习得到各图像对应的二进制哈希码；计算模块，用于根据二进制哈希码计算输入图像与图像数据库中各图像之间的海明距离，并返回最小海明距离对应的图像作为图像搜索结果。本发明中，能够结合现有图像数据的状况，有效的建模图像数据结构，快速准确的搜索到所需的图像，并且无需存储图像本身，大大节约了存储空间。

08、一种基于Group Lasso的半监督哈希图像搜索方法

本发明提供了一种基于GroupLasso的半监督哈希图像搜索方法，属于图像搜索领域。所述方法包括：识别图像数据库中的标签图像和非标签图像，对输入图像、标签图像和非标签图像进行预处理；根据预处理后的输入图像、标签图像和非标签图像进行基于GroupLasso的半监督哈希学习得到各图像对应的二进制哈希码；根据二进制哈希码计算输入图像与图像数据库中各图像之间的海明距离，并返回最小海明距离对应的图像作为图像搜索结果。本发明中，能够结合现有图像数据的状况，有效的建模图像数据结构，快速准确的搜索到所需的图像，并且无需存储图像本身，大大节约了存储空间。

09、一种基于神经风格迁移的测试用例生成系统

本发明公开了一种基于神经风格迁移的网络协议测试用例生成系统，该系统包括：原始数据收集模块、编码模块、神经风格迁移模块和逆向编码模块。其中，原始数据收集模块收集工控网络系统中的流量数据，并将收集到的数据用聚类算法进行分类；编码模块将分类后的数据编码成为图片形式；神经风格迁移模块将编码模块输出的图片和风格图片作为输入，基于神经风格迁移方法进行神经风格转换，在转换过程中通过不断的训练迭代控制风格变换的程度：逆向编码模块将神经风格变换模块输出的二维图片转为一维的序列形式作为测试用例。该测试用例可以直接注入目标网络进行攻击测试。此系统可以智能的学习协议的格式，减

少人为的学习过程，提高测试的效率。

10、一种基于神经风格迁移的测试用例生成方法

本发明公开了一种基于神经风格迁移的网络协议测试用例生成方法，该方法包括：原始数据收集步骤、编码步骤、神经风格迁移步骤和逆向编码步骤。其中，原始数据收集步骤收集工控网络系统中的流量数据，并将收集到的数据用聚类算法进行分类；编码步骤将分类后的数据编码成为图片形式；神经风格迁移步骤将编码后输出的图片和风格图片作为输入，基于神经风格迁移方法进行神经风格转换，在转换过程中通过不断的训练迭代控制风格变换的程度；逆向编码步骤将神经风格变换步骤输出的二维图片转为一维的序列形式作为测试用例。该测试用例可以直接注入目标网络进行攻击测试。此方法可以智能的学习协议的格式，减少人为的学习过程，提高测试的效率。

11、形式化验证系统

本发明公开了一种形式化验证系统，包括 SEDS建模模块，用于依据电子数据表单规范文件建立 SEDS 模型；模型转换模块用于将 SEDS 模型转换为适合模型检查的形式化模型；性质规约模块用于对SEDS 模型的功能逻辑的性质进行形式化描述；形式化验证