{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期部分”：[[2024,3,15]]，“日期时间”：“2024-03-15T13:07:05Z”，“时间戳”：171050802024}，“出版商位置”：“查姆”，“参考计数”：69，“出版者”：“施普林格自然瑞士”，“isbn-type”：[{“值”：“9783031223075”，“类型”：”打印“}，{“值”：“9783031223082”，“类型”：“electronic”}]，“license”：[{“start”：{“date-parts”：[[2022,1,1]]，“date-time”：“2022-01-01T00:00:00Z”，“timestamp”：1640995200000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\\/www.springernature.com\/gp\/searners\/text-and-data-mining”}1-01T00:00:00Z“，”时间戳“：1640995200000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\\/www.springernature.com//gp\/researters\/text-and-data-mining”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，“short-container-title”：[]，“published-print”：{“date-parts”：[2022]}，”DOI“：”10.1007\/978-3031-22308-2_20“，“type”：“book-chapter”，“created”：{“date-parts”：[[2022,12,1]]，“date-time”：“2022-12-01T19:55:03Z”，“timestamp”：1669924503000}，“page”：“449-473”，“update-policy”：”http://\/dx.doi.org\/10.1007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：9，“title”：[“CLEVEREST:通过u00a0Adversarial攻击加速基于CEGAR的神经网络验证”]，“前缀”：“10.1007”，“作者”：[{“给定”：“浙”，”家族“：“赵”，序列“：“第一”，“从属关系”：[]}，{“给出”：“野地”，“家族”：“张”，“序列”：“附加”，“隶属关系”：[]}、{“指定”：“广科”，“家庭”：“陈”，“顺序”：“额外”，“附属关系”：【】}，}“给定的”：“福”，“家人”：“宋”，“序号”：“添加”，“归属关系”：[]}，{“given”：“Taolue”，“family”：“Chen”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Jishiang”，“family”：“Liu”，“se序列”：“附加”，“从属”：[]}]，“member”：“297”，“published-on-line”：{“date-parts”：[2022,12,2]}，“reference”：[{“key”：《20_CR1》，“unstructured”：“Apollo:一个开放、可靠、安全的自动驾驶系统软件平台。http:\\/Apollo.auto（2018）”}，{“key”：“20_CR2”，“doi-asserted-by”：“crossref”，“unstructured”：“Ashok，P.，Hashemi，V.，Kret\u00ednsk\u00fd，J.，Mohr，S.：深度抽象：用于加速验证的神经网络抽象。摘自：第18届国际验证与分析自动化技术研讨会论文集，pp.92\u2013107（2020）”，“doi”：“10.1007\/978-3-030-59152-6_5”}，｛“key”：“20_CR3”，“doi asserted by”：“publisher”，“first page”：“495”，“doi”：“10.1109\/TSE.2010.49”，“volume”：“36”，“author”：“NE Beckman”，“year”：“2010”，“nonstructured”：“Beckman，N.E.，Nori，A.V.，Rajamani，S.K.，Simmons，R.J.，Tetali，S.D.，Thakur，A.V.：测试证明。IEEE Trans.Softw.Eng.36，495\u2013508（2010）“，“journal-title”：“IEEE Trans.Softw.Eng.”}，{“issue”：“5”，“key”：“20_CR4”，“doi-asserted-by”：“publisher”，“first page”：”3200“，“doi”：“10.1109\/TDSC.2021.3088661”，“volume”：：“19”，“author”：“L Bu”，”year“：”2022“unstructured”：“Bu，L.，Zhao，Z.，Duan，Y.，Song，F.：处理离散化问题：离散化问题和离散整数域中黑盒对手攻击的综合研究。IEEE Trans.可靠安全计算.19（5），3200\u20133217（2022）”，“日志标题”：“IEEE Trans.可靠安全计算”}，{“密钥”：“20_CR5”，“首页”：“1”，“卷”：“21”，“作者”：“R Bunel”，“年份”：“2020”，“非结构化”：“Bunel，R.，Lu，J.，Turkaslan，I.，Torr，P.H.S.，Kohli，P.，Kumar，M.P.：分段线性神经网络验证的分支和边界。J.Mach.Learn.Res.21，1\u201339“”，“非结构化”：“Carlini，N.，Wagner，D.A.：评估神经网络的鲁棒性。摘自：IEEE安全与隐私研讨会论文集，第39\u201357页（2017）”，“DOI”：“10.1109\/SP.2017.49”}，{“key”：“20_CR7”，“DOI-asserted-by”：“crossref”，“unstructured”：“Chen，G.等人：谁是真正的Bob？针对说话人识别系统的对抗性攻击。摘自：第42届IEEE安全与隐私研讨会论文集，第694\u2013711（2021）页，“DOI”：“10.1109\/SP40001.2021.00004”}，{“key”：“20_CR8”，“DOI-asserted-by”：“crossref”，“unstructured”：“Chen，G.，Zhao，Z.，Song，F.，Chen，S.，Fan，L.，Liu，Y.：AS2T：说话人识别系统上的任意源对目标对抗攻击。IEEE传输。可靠的安全。计算。，1\u201317（2022）“，”DOI“：”10.1109\/TDSC.2022.3189397“}，{”key“：”20_CR9“，”DOI-asserted-by“：”crossref“，”unstructured“：”Chen，P.，Zhang，H.，Sharma，Y.，Yi，J.，Hsieh，C.：ZOO：基于零阶优化的黑盒攻击，无需训练替代模型。摘自：第十届ACM人工智能与安全研讨会论文集。pp.15\u201326（2017）“，”DOI“：”10.1145\/3128572.3140448“}，{”issue“：”5“，”key“：”20_CR10“，”DOI-asserted-by“：”publisher“，”first page“：“752”，“DOI”：“10.1145\/876638.876643”，“volume”：“50”，“author”：“EM Clarke”，“year”：“2003”，“unstructured”：“Clarke，E.M.，Grumberg，O.，Jha，S.，Lu，Y.，Veith，H.：符号模型检查的反例引导抽象求精。J.ACM 50（5），752\u2013794（2003）“，”journal-title“：”J.ACM.“}，{”key“：”20_CR11“，”doi-asserted-by“：”crossref“，”unstructured“：”Czech，M.，Jakobs，M.C.，Wehrheim，H.：只测试你无法验证的东西。摘自：《第18届软件工程基本方法国际会议论文集》，第100\u2013114（2015）页“，”doi“：”10.1007 \/978-3662-46675-9_7“}，{“key”：“20_CR12”，“unstructured”：“Dimitrov，D.I.，Singh，G.，Gehr，T.，Vechev，M.：令人信服的对抗性示例。In:Proceedings of the International Conference on Learning Representations（2021）”}，}，[key“：”20_CR13“，”doi-asserted-by“：”crossref“，”unstructure“：”Dong，Y.等：深度神经网络覆盖率和鲁棒性之间相关性的实证研究。摘自：《第25届复杂计算机系统工程国际会议论文集》，第73\u201382（2020）页，“DOI”：“10.1109”，{“key”：“20_CR14”，“DOI-asserted-by”：“crossref”，“unstructured”：“Dutta，S.，Jha，S.、Sankaranarayanan，S.和Tiwari，A.：深度前馈神经网络的输出范围分析。摘自：第十届美国国家航空航天局形式方法国际研讨会论文集，第121\u2013138页（2018）“，“DOI”：“10.1007\/978-3-319-77935-5_9”}，{“key”：“20_CR15”，“DOI-asserted-by”：“crossref”，“unstructured”：“Ehlers，R.：分段线性前馈神经网络的形式验证。摘自：第十五届国际验证与分析自动化技术研讨会论文集，第269\u2013286页（2017）“，“DOI”：“10.1007\/978-3-319-68167-2_19”}，{“key”：“20_CR16”，“DOI-asserted-by”：“crossref”，“unstructured”：“Elboher，Y.Y.，Gottschlich，J.，Katz，G.：神经网络验证的基于抽象的框架。摘自：《第32届计算机辅助验证国际会议论文集（2020）》，“DOI”：“10.1007\/978-3-030-53288-8_3”}，{“key”：“20_CR17”，“DOI-asserted-by”：“crossref”，“unstructured”：“Fischer，M.、Sprecher，C.、Dimitrov，D.I.、Singh，G.、Vechev，M.T.：神经网络验证的共享证书。摘自：第34届国际计算机辅助验证会议记录，第127\u2013148（2022）页“，”DOI“：”10.1007\/978-3-031-13185-1_7“}，{“key”：“20_CR18”，“DOI-asserted-by”：“crossref”，“unstructured”：“Gehr，T.、Mirman，M.、Drachsler-Cohen，D.、Tsankov，P.、Chaudhuri，S.、Vechev，M.T.：AI2：具有抽象解释的神经网络的安全性和稳健性认证。摘自：2018年IEEE安全与隐私研讨会论文集，pp.3\u201318（2018）“，“DOI”：“10.1109\/SP.2018.00058”}，{“key”：“20_CR19”，“DOI-asserted-by”：“crossref”，“unstructured”：“Gokulanathan，S.，Feldsher，A.，Malca，A.，Barrett，C.W.，Katz，G.：使用形式验证简化神经网络。摘自：《第十二届美国国家航空航天局形式方法国际研讨会论文集》，第85\u201393页（2020）“，“DOI”：“10.1007\/978-3-030-55754-6_5”}，{“key”：“20_CR20”，“unstructured”：“Goodfellow，I.，Shlens，J.，Szegedy，C.：解释和利用对抗性示例。摘自：第三届国际学习表征会议论文集（2015）”}、{“key”：“20_CR21”，“doi asserted by”：“crossref”，“nonstructured”：“Goubault，E.，Palumby，S.，Putot，S.，Rustenholz，L.，Sankaranarayanan，S.：热带多面体ReLU神经网络的静态分析。摘自：第28届国际研讨会论文集《静态分析》，第166\u2013190（2021）页，“DOI”：“10.1007\/978-3-030-88806-0_8”}，{“key”：“20_CR22”，“DOI-asserted-by”：“crossref”，“unstructured”：“Gulavani，B.S.，Henzinger，T.A.，Kannan，Y.，Nori，A.V.，Rajamani，S.K.：SYNERGY：一种新的属性检查算法。摘自：第十四届ACM SIGSOFT国际软件工程基础研讨会论文集，第117\u2013127（2006）页“，”DOI“：”10.1145\/1181775.1181790“}，{“key”：“20_CR23”，“DOI-asserted-by”：“crossref”，“unstructured”：“Guo，X.，Wan，W.，Zhang，Z.，Zang，M.，Song，F.，Wen，X.：急于证伪以加速深层神经网络的稳健性验证。摘自：第32届IEEE软件可靠性工程国际研讨会论文集，第345\u2013356（2021）页“，”DOI“：”10.1109\/ISSRE52982.2021.00044“}，{“key”：“20_CR24”，“DOI-asserted-by”：“crossref”，“unstructured”：“Huang，X.，Kwiatkowska，M.，Wang，S.，Wu，M.：深度神经网络的安全验证。摘自：《第29届计算机辅助验证国际会议论文集》，第3\u201329页（2017）“，“DOI”：“10.1007\/978-3319-63387-9_1”}，{“key”：“20_CR25”，“DOI-asserted-by”：“crossref”，“unstructured”：“Jalote，P.、Vangala，V.、Singh，T.、Jain，P.：程序分区：一个结合静态和动态分析的框架。在：《国际动态分析研讨会论文集（2006）》中，“DOI”：“10.1145\/11389121138916”｝，｛“key”：“20_CR26”，“DOI断言”：“crossref”，“非结构化”：“Jia，K.，Rinard，M.C.：通过输入量化验证低维输入神经网络。摘自：第28届国际研讨会论文集《静态分析》，第206\u2013214（2021）页“，“DOI”：“10.1007\/978-3-030-88806-0_10”}，{“key”：“20_CR27”，“DOI-asserted-by”：“crossref”，“unstructured”：“Julian，K.D.，Lopez，J.，Brush，J.S.，Owen，M.P.，Kochenderfer，M.J.：飞机防撞系统的政策压缩。在：IEEE \/AIAA数字航空电子系统会议（2016）“，”DOI“：”10.1109\/DASC.2016.7778091“}，”key“：”20_CR28“，”series-title“：”计算机科学讲义“，”DOI-asserted-by“：”publisher“，”first page“：“97”，”DOI:“10.1007\/978-3319-63387-9_5”，”volume-title“：“计算机辅助验证”，”author“：”G Katz“，”year“：”2017“，”unstructured“：”Katz，G.、Barrett，C.、Dill，D.L.、Julian，K.、Kochenderfer，M.J.：Reluplex：用于验证深层神经网络的高效smt解算器。收录人：Majumdar，R.，Kun\u010dak，V.（编辑）CAV 2017。LNCS，第10426卷，第97\u2013117页。施普林格，查姆（2017）。https:\/\/doi.org\/10007\/978-3-319-63387-9_5“}，{“key”：“20_CR29”，“doi-asserted-by”：“crossref”，“unstructured”：“Katz，G.等：深层神经网络验证和分析的marabou框架。摘自：计算机辅助验证国际会议论文集，第443\u2013452（2019）页”，“doi”：“10.1007\/978-3030-25540-4_26”}，{“key”：“20_CR30”，“doi-asserted-by”：“crossref”，“unstructured”：“Kim，J.，Feldt，R.，Yoo，S.：使用意外充分性指导深度学习系统测试。摘自：IEEE\/ACM第41届国际软件工程会议论文集，第1039\u20131049（2019）页”，“doi”：“10.1109\/ICSE.2019.00108”}，{问题“：”6“，”关键“：”20_CR31“，”doi-assert-by“：“publisher”，“first page”：“84”，“DOI”：“10.1145\/3065386”，“volume”:“60”，“author”：“A Krizhevsky”，“year”：“2017”，“unstructured”：“Krizhovsky，A.，Sutskever，I.，Hinton，G.E.：ImageNet分类与深度卷积神经网络。Commun.ACM 60（6），84\u201390（2017）”，“journal-title”：“Commun.AC M”}，{“key”：”20_CR32“，“DOI-asserted-by”：“交叉参考”，“非结构化”：“Kurakin，A.，Goodfellow，I.，Bengio，S.：物理世界中的对抗性例子。in:Proceedings of International Conference on Learning Representations（2017）”，“DOI”：“10.1201\/9781351251389-8”}，{“key”：“20_CR33”，“DOI-asserted-by”：“crossref”，“非结构性”：“Li，J.，Liu，J.、Yang，P.、Chen，L.、Huang，X.、Zhang，L.：用符号传播分析深层神经网络：实现更高的精度和更快的验证。摘自：第26届国际研讨会静态分析论文集，第296\u2013319（2019）页”，“DOI”：“10.1007\/978-3-030-32304-2_15”}，{“key”：“20_CR34”，“DOI-asserted-by”：“crossref”，“非结构化”：“Lin，W.，Yang，Z.，Chen，X.，Zhao，Q.，Li，X.、Liu，Z.、He，J.：通过线性规划对分类深度神经网络进行鲁棒性验证。摘自：IEEE计算机视觉和模式识别会议论文集，第11418\u201311427（2019）页”，“DOI”：“10.1109\/CVPR.2019.01168”}，{“issue”：“6”，“key”：“20_CR35”，“doi-asserted-by”：“publisher”，“first page”：“1365”，“doi”：“10.1007\/s11390-020-0546-7”，《volume》：“35”，“author”：“W Liu”，“year”：“2020”，“unstructured”：“Liu，W.，Song，F.，Zhang，T.，Wang，J.：从模型检查的角度验证ReLU神经网络。J.Compute.Sci.Technol.35（6），1365\u20131381（2020）”，“journal-title”：“J.Computer.Sci.Techol.”}，{“key”：“20_CR36”，“doi-asserted-by”：“crossref”，“unstructured”：“Ma，L.，et al.：DeepGauge:深度学习系统的多粒度测试标准。摘自：第三十三届ACM\/IEEE自动化软件工程国际会议论文集，第120\u2013131（2018）页”，“doi”：“10.1145\/3238147.3238202”}，{：“crossref”，“unstructured”：“Ma，L.，et al.：深度变异：深度学习系统的变异测试。摘自：第29届IEEE软件可靠性工程国际研讨会论文集，pp.100\u2013111（2018）”，“DOI”：“10.1109\/ISRE.2018.00021”}，{“key”：“20_CR38”，“非结构化”：“Madry，A.，Makelov，A.，Schmidt，L.，Tsipras，D.，Vladu，A.：面向抗对抗性攻击的深度学习模型。摘自：《学习表征国际会议论文集》（2018）”}，{“key”：“20_CR39”，“doi-asserted-by”：“crossref”，“unstructured”：“Mangal，R.，Sarangmath，K.，Nori，A.V.，Orso，A.：神经网络的概率Lipschitz分析。摘自：第27届国际研讨会论文集静态分析，第274\u2013309（2020）页”，“DOI”：“10.1007\/978-3030-65474-0_13”}，{“key”：“20_CR40”，“DOI-asserted-by”：“crossref”，“unstructured”：“Mazzucato，D.，Urban，C.：神经网络公平认证抽象域的约化积。摘自：第28届国际研讨会静态分析论文集，第308\u2013322（2021）页”，“DOI”：“10.1007\/978-3-030-88806-0_15”}，{“key”：“20_CR41”，“DOI-asserted-by”：“crossref”，“unstructured”：“Moosavi-Dezfouli，S.，Fawzi，A.，Frossard，P.：DeepFool:愚弄深层神经网络的简单而准确的方法。摘自：2016年IEEE计算机视觉和模式识别会议论文集，第2574\u20132582（2016）页”，“DOI”：“10.1109\/CVPR.2016.282”}，{“key”：“20_CR42”，“DOI-asserted-by”：“crossref”，“unstructured”：“M\u00fcller，M.N.、Makarchuk，G.、Singh，G.，P\u00fcschel，M.、Vechev，M.T.：PRIMA：通过可缩放凸包近似进行一般和精确的神经网络认证。Proc.ACM Program.Lang.6（POPL），1\u201333（2022）”，“DOI”：“10.1145\/3498704”}，{“key”：“20_CR43”，“DOI-asserted-by”：“crossref”，“unstructured”：“Naik，M.，Yang，H.，Castelnuovo，G.，Sagiv，M.：测试摘要。摘自：第39届ACM SIGPLAN-SIGACT编程语言原理研讨会论文集，第373\u2013386页（2012）”，“DOI”：“10.1145\/2103621.2103701”}，{“key”：“20_CR44”，“DOI-asserted-by”：“crossref”，“unstructured”：“Ostrovsky，M.，Barrett，C.W.，Katz，G.：一种验证卷积神经网络的抽象精化方法。CoRR abs\/220101978（2022）”，“DOI”：“10.1007\/978-3-031-19992-9_25”}，{“key”：“20_CR45”，“DOI断言”：“crossref”，“非结构化”：“Papernot，N.，McDaniel，P.D.，Jha，S.，Fredrikson，M.，Celik，Z.B.，Swami，A.：对抗性环境下深度学习的局限性。摘自：IEEE欧洲安全与隐私研讨会论文集，第372\u2013387页（2016）”，“DOI”：“10.1109\/EuroSP.2016.36”}，{“key”：“20_CR46”，“DOI-asserted-by”：“crossref”，“unstructured”：“Pei，K.，Cao，Y.，Yang，J.，Jana，S.：深度探索：深度学习系统的自动白盒测试。摘自：第26届操作系统原理研讨会论文集，第1\u201318页（2017）”，“DOI”：“10.1145\/3132747.3132785”}，{“key”：“20_CR47”，“非结构化”：“Prabhakar，P.，Afzal，Z.R.：基于抽象的神经网络输出范围分析。摘自：神经信息处理系统年会论文集（2019）”}，{“key”：“20_CR48”，“doi-asserted-by”：“crossref”，“unstructured”：“Pulina，L.，Tacchella，A.：人工神经网络验证的一种抽象-再定义方法。摘自：第22届计算机辅助验证国际会议论文集（2010）”，“DOI”：“10.1007\/978-3642-14295-6_24”}，{“key”：“20_CR49”，“unstructured”：“Singh，G.，Gehr，T.，Mirman，M.，P\u00fcschel，M.和Vechev，M.T.：快速有效的稳健性认证。摘自：神经信息处理系统年度会议论文集，第10825\u201310836页（2018）”}，{“key”：“20_CR50”，“doi-asserted-by”：“crossref”，“unstructured”：“Singh，G.，Gehr，T.，P\u00fcschel，M.，Vechev，M.T.：用于认证神经网络的抽象域。美国机械工程师协会程序语言3（POPL），41:1\u201341:30（2019）”，“DOI”：“10.1145\/3290354”｝，｛“issue”：“9”，“key”：“20_CR51”，“DOI由”断言，“publisher”，“first page”：“5210”，“DOI”：“10.1002\/int.22510”，“volume”：“36”，“author”：“F Song“，”年份“：”2021“，“unstructured”：“Song，F.，Lei，Y.，Chen，S.，Fan，L.，Liu，Y.：对实用的基于ml的钓鱼网站分类器的高级回避攻击和缓解。Int.J.Intell.Syst.36（9），5210\u20135240（2021）”，“journal-title”：“Int.J..Intell.System.”}，{“key”：“20_CR52”，“doi-asserted-by”：“crossref”，“非结构化”：“Sotoudeh，M.，Thakur，A.V.：抽象神经网络。摘自：第27届国际研讨会静态分析论文集，第65\u201388（2020）页”，“DOI”：“10.1007\/978-3-030-65474-0_4”}，{“key”：“20_CR53”，“DOI-asserted-by”：“crossref”，“unstructured”：“Sun，Y.，Wu，M.，Ruan，W.，Huang，X.，Kwiatkowska，M.和Kroening，D.：深层神经网络的和谐测试。摘自：第33届ACM IEEE自动化软件工程国际会议论文集，第109\u2013119页（2018）”，“DOI”：“10.1145\/3238147.3238172”}，{“key”：“20_CR54”，“非结构化”：“Szegedy，C.等人：神经网络的有趣特性。In:第二届国际学习表征会议论文集（2014）”}，{“key”：“20_CR55”，“unstructured”：“Tjeng，V.，Xiao，K.，Tedrake，R.：用混合整数规划评估神经网络的稳健性。In:第七届国际学习表征会议（2019）论文集”}，{“key”：“20_CR56”，“doi-asserted-by”：“crossref”，“unstructured”：“Tran，H.等人：基于星的深度神经网络可达性分析。摘自：第三届世界形式方法大会论文集，第670\u2013686（2019）页”，“DOI”：“10.1007\/978-3-030-30942-8_39”}，{“key”：“20_CR57”，“DOI-asserted-by”：“crossref”，“unstructured”：“Urban，C.，Christakis，M.，W\u00fcstholz，V.，Zhang，F.：神经网络的完美并行公平认证。Proc.ACM Program.Lang.4（OOPSLA），185:1\u2013185:30（2020）”，“DOI”：“10.1145\/3428253”}，{“key”：“20_CR58”，“unstructured”：“VNN-COMP:第二届神经网络竞赛国际验证。https:\/\/sites.google.com/view\/vnn2021（2021）”}，{“key”：“20_CR59”，“unstructured”：“Wang，S.，Pei，K.，Whitehouse，J.，Yang，J.，Jana，S.：神经网络的有效形式安全分析。在：神经信息处理系统年会论文集（2018）”}，{“key”：“20_CR60”，“nonstructured”：“Wang，S.、Pei，K.、Whitehouse，J.、Yang，J.和Jana，S.：使用符号区间对神经网络进行形式安全分析。摘自：第27届USENIX安全研讨会论文集，第1599\u20131614（2018）页”}，{“key”：“20_CR61”，“非结构化”：“Wong，E.，Kolter，J.Z.：通过凸的外部对抗性多胞体对对抗性示例的可证明辩护。摘自：第35届国际机器学习会议论文集，第5283\u20135292页（2018）”}，{“问题”：“3”，“关键”：“20_CR62”，“doi-asserted-by”：“publisher”，“首页”：“407”，“doi”：“10.1007\/s00165-021-00548-1”，“卷”：“33”，“author”：“P Yang”，“year”：“2021”，“unstructured”：“Yang，P.，Li，J.，Liu，J，“非结构化”：“Yang，P.，et al.：通过伪区域引导精化改进神经网络验证。摘自：第27届系统构建和分析工具和算法国际会议论文集，第389\u2013408（2021）页”，“DOI”：“10.26226\/moressier.604907f41a80aac83ca25cfb”}，{“key”：“20_CR64”，“DOI-asserted-by”：“crossref”，“unstructured”：“Yorsh，G.，Ball，T.，Sagiv，M.：测试，抽象，定理证明：更好地结合！摘自：软件测试与分析国际研讨会论文集，第145\u2013156（2006）页”，“DOI”：“10.1145\/1146238.1146255”}，{“key”：“20_CR65”，“非结构化”：“Zhang，H.，Shinn，M.，Gupta，A.，Gurfinkel，A.，Le，N.，Narodytska，N.：通过可达性分析验证认知任务的递归神经网络。见：第24届欧洲人工智能会议论文集，第1690\u20131697（2020）页”}，{“key”：“20_CR66”，“非结构化”：“Zhang，H.，et al.：Alpha-Beta-CROWN：一种快速且可扩展的神经网络验证器，具有有效的绑定传播（2021）。https:\/\/github.com/huanzhang12\/alpa-Beta-CROWN”}，{“key”：“20_CR67”，“doi-asserted-by”：“crossref”，“unstructured”：“Zhang，Y.，Zhao，Z.，Chen，G.，Song，F.，Chen：“Zhang，Y.、Zhao，Z.、Chen，G.、Song，F.、Zhang、M.、Chen、T.：QVIP：量化神经网络基于ILP的形式化验证方法。摘自：第37届IEEE\/ACM自动化软件工程国际会议（2022）论文集”，“DOI”：“10.1145\/3551349.3556916”}，{“key”：“20_CR69”，“DOI-asserted-by”：“crossref”，“unstructured”：“Zhao，Z.，Chen，G.，Wang，J.，Yang，Y.，Song，F.，Sun，J.：攻击作为防御：使用鲁棒性描述对抗性示例。摘自：第30届ACM SIGSOFT国际软件测试与分析研讨会论文集，第42页\u201355（2021）”，“DOI”：“10.1145\/3460319.3464822”}]，“容器-时间”：[“静态分析”，“计算机科学课堂讲稿”]，“original-title”：[]，“link”：[{“URL”：“https:\/\/link.springer.com/content\/pdf\/10.1007\/978-3-031-22308-2_20”，“content-type”：“unspecified”，“content-version”：“vor”，“intended-application”：“similarity-checking”}]，“deposed”：{“date-parts”：[2023,3,15]]，“date-time”：”2023-03-15T02:35:25Z“，“timestamp:”1678847725000}，“score”：1，“resource”：{“primary”：{“URL”：“https:\/\/link.springer.com/10.1007\/978-3-031-22308-2_20”}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{-“date-parts”：[[20022]}，”ISBN“：[”9783031223075“，”97830.31223082“]，”references-count“：69，”URL“http://\/dx.doi.org\/10007\/978-3-08 31-22308-2_20“，”关系“：{}，”ISSN“：[”0302-9743“，”1611-3349“]，”ISSN-type“用法：[{“value”：“0302-9743”，“type”：”print“}，{“value”：“1611-3349”，“type”：“electronic”}]，“subject”：[]，“published”：{“date-parts”：[[2022]]}，“assertion”：[{value：“2022年12月2日”，“order”：1，“name”：“first_online”，“label”：“first online”，：“SAS”，“order”：1，“name”：“conference_acrombit”，“label”：“会议缩写”，“组”：{“name”：“ConferenceInfo”，“label”：“会议信息”}}，{“value”：“International Static Analysis Symposium”，“order”：2，“名称”：“Conference_name”，“标签”：“大会名称”，“group”：，“group”：{“name”：“ConferenceInfo”，“label”：“Meeting Information”}}，{“value”：“New Zealand”，“order”：4，“name”:“Conference_country”，“标签”：“会议国家/地区”，“groups”:{“name:”ConferenceInformation“，”label“：”Conferency Information“}，”{“value”：”2022“，”order“：5，”name“Conference_year”，“tabel”：”会议年份“，”group“：{”name“：”会议信息“，“标签”：“会议信息”}}，{“value”：“2022年12月5日”，“order”：7，“name”：“Conference_start_date”，“label”：“会议开始日期”，“group”：{“name”:“ConferenceInfo”，”label“：“Conferency Information”}}}：“会议信息”}}，{“value”：“29”，“order”：9，“name”：“Conference_number”，“label”：“ConferenceNumber”，“group”：{“name”:“ConferenceInfo”，”label“：“Congression Information”}，}“value”：“sas2022”，”order“：10，”name“：”Conference_id“，”lable“：”Conference_id“，”group“：{”name“ConfernceInfo”：“http://www.staticanalysis.org\/”，“order”：11，“name”：“conference_url”，“label”：“conference url”，“group”：{“name”:“ConferenceInfo”，“标签”：“会议信息”}}，{“value”：“Double-blind”，“订单”：1，“name“：”type“，”label“：”type“，”group“：{”name“ConfEventPeerReviewInformation”，“table”：“同行评审信息（由会议组织者提供）”}}，{“value”：“EasyChair”，“order”：2，“name”：“conference_management_system”，“label”：“会议管理系统”，“group”：：“发送供审阅的提交数”，“group”：{“name”：“ConfEventPeerReviewInformation”，“label”：“同行审阅信息（由会议组织者提供）”}}，{“value”：“18”，“order”：4，“name”:“Number_of_full_papers_accepted”，“标签”：“接受的全文数”：“同行评议信息（由会议组织者提供）”}}，{“value”：“0”，“order”：5，“name”：“number_of_short_papers_accepted”，“label”：“已接受的短文数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“tabel”：”同行评议资讯（由会议主办方提供）“}}}、{“value”：“42%-该值由公式“接受的全文数”计算，然后四舍五入为整数。”，“order”：6，“name”：“acceptance_rate_of_Full_Papers”，“label”：“全文接受率”，“group”：{“name”:“ConfEventPeerReviewInformation”，“标签”：“同行评审信息（由会议组织者提供）”｝｝，｛“value”：“3.2”，“order”：7，“name”：“average_number_of_reviews_per_paper”，“label”：“每篇论文的平均评审数”，“group”：｛“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”｝｝，｛“value”：“6.1”，“order”：8，“name”：“average_number_of_papers_per_reviewer”，“label”：“每位审阅者的平均论文数”，“group”：{“name”：“ConfEventPeerReviewInformation”，“table”：“同行审阅信息（由会议组织者提供）”}}，{“value”：“Yes”，“order”：9，“name”:“external_reviewers_involved”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}]}}