面向神经网络的模糊测试算法优化 |
| |
引用本文: | 崔建峰,张晓云,陈金鑫.面向神经网络的模糊测试算法优化[J].厦门理工学院学报,2019,27(5). |
| |
作者姓名: | 崔建峰 张晓云 陈金鑫 |
| |
作者单位: | 厦门理工学院计算机与信息工程学院,福建 厦门,361024;厦门理工学院光电与信息技术学院,福建 厦门,361024;南京大学软件学院,江苏 南京,210093 |
| |
基金项目: | 教育部天诚汇智创新促教基金 |
| |
摘 要: | 为提高面向神经网络的缺陷检测效果,以Tensorfuzz框架检测流程为基础,对模糊器实现过程进行高层次抽象;然后使用自动协议生成策略优化原始模糊算法,输出可能覆盖新执行路径的测试数据集;最后通过反复测试提高测试的代码覆盖率,实现面向神经网络的模糊测试算法的优化。基于三层全连接神经网络的对比实验表明:优化后的算法相对于原始模糊算法,在检测含有大量非数值型缺陷的待测系统时,可在单位时间内检测出更多的缺陷;多组检测实验检测到缺陷的时间均低于原始模糊算法的最低测试时间,能有效提高代码覆盖率并且达到提高测试效率的目的。
|
关 键 词: | 模糊测试算法 神经网络 深度学习 张量模糊 算法优化 |
本文献已被 CNKI 万方数据 等数据库收录! |
|