公开(公告)号：CN114064499B

公开(公告)日：2023-04-07

申请号：CN202111393163.7

申请日：2021-11-23

Applicant: 电子科技大学

Inventor： 李森驿 ,  虞红芳 ,  申香中 ,  张洁怡 ,  王晓楠 ,  孙罡

IPC: G06F11/36 ,  G06F21/57 ,  G06N3/0464

Abstract: 本发明提供了一种黑盒模糊测试方法、系统、电子设备及存储介质，属于黑盒模糊测试技术领域，该方法包括：获取神经网络模型和与其匹配的数据集；搭建智能计算框架；将神经网络模型作为初始种子放入种子模型中，并将其与匹配的数据集一并作为初始测试用例；通过层变异、权重变异和API变异三种模型变异方法生成变异的神经网络模型，并将变异的神经网络模型结合匹配的数据集形成测试用例；启动智能计算框架，将测试用例中的变异的神经网络模型和数据集进行加载，使加载完的变异的神经网络模型在数据集上进行计算；对智能计算框架的运行结果以及执行过程的输出进行分析。本发明能够更全面的覆盖神经网络模型的可变异范围，实现高效的模型生成。

公开(公告)号：CN114064499A

公开(公告)日：2022-02-18

申请号：CN202111393163.7

申请日：2021-11-23

Applicant: 电子科技大学

Inventor： 李森驿 ,  虞红芳 ,  申香中 ,  张洁怡 ,  王晓楠 ,  孙罡

IPC: G06F11/36 ,  G06F21/57 ,  G06N3/04

Abstract: 本发明提供了一种黑盒模糊测试方法、系统、电子设备及存储介质，属于黑盒模糊测试技术领域，该方法包括：获取神经网络模型和与其匹配的数据集；搭建智能计算框架；将神经网络模型作为初始种子放入种子模型中，并将其与匹配的数据集一并作为初始测试用例；通过层变异、权重变异和API变异三种模型变异方法生成变异的神经网络模型，并将变异的神经网络模型结合匹配的数据集形成测试用例；启动智能计算框架，将测试用例中的变异的神经网络模型和数据集进行加载，使加载完的变异的神经网络模型在数据集上进行计算；对智能计算框架的运行结果以及执行过程的输出进行分析。本发明能够更全面的覆盖神经网络模型的可变异范围，实现高效的模型生成。