咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >基于深度学习的模糊测试用例构造方法 收藏
基于深度学习的模糊测试用例构造方法

基于深度学习的模糊测试用例构造方法

专利申请号:CN202310372601.4

公 开 号:CN116225964A

发 明 人:李腾 莫奇豪 张嘉婧 林炜国 郑百川 卢知雨 何彦武 马卓 

代 理 人:侯琼;王品华

代理机构:陕西电子工业专利中心

专利类型:发明专利

申 请 日:20230606

公 开 日:20230410

专利主分类号:G06F11/36

关 键 词:模糊测试 预处理 网络模型 数据集 构建 测试 注意力机制 方法生成 计算测试 快速生成 生成测试 输入要求 用例构造 质量差 过滤 多样性 对抗 重复 网络 学习 

摘      要:本发明公开了一种基于深度学习的模糊测试用例构造方法,主要解决现有方法生成测试用例效率低、质量差导致模糊测试效果不佳的问题。实现方法包括:1)从网上收集现有测试用例,构建数据集;2)对数据进行预处理以满足输入要求,得到预处理后数据集;3)构建基于自注意力机制的生成对抗网络SAGAN网络模型;4)利用预处理后数据集对构建的SAGAN网络模型进行训练;5)利用训练好的SAGAN网络模型得到生成测试用例;6)计算测试用例的相似性,过滤掉重复的测试用例,得到用于进行模糊测试的最终测试用例。本发明能够快速生成大量具有多样性的高质量模糊测试用例,有效提高了模糊测试的效率。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分