公开(公告)号：CN117251708A

公开(公告)日：2023-12-19

申请号：CN202311223333.6

申请日：2023-09-21

Applicant: 南京大学

Inventor： 张天 ,  潘敏学 ,  许正锋 ,  李重

IPC: G06F18/211 ,  G06F18/23 ,  G06F18/2321 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于流形的深度神经网络测试输入选择方法，包括：输入一个深度神经网络模型，该深度神经网络的训练输入数据，训练输入数据标签，候选的一系列测试输入数据，测试输入数据标签(可选)，子集选择比例作为方法的输入；设计基于流形对深度神经网络每个测试输入数据的分类类别概率进行校正计算的方法；设计根据校正之后的类别概率计算每个测试输入数据的不确定度并结合不确定度优先排序得到初始选择集的方法；设计基于流形对初始选择集进行冗余删减得到最终选择集的方法；设计基于候选测试输入特征矩阵降维聚类后的结果进行最终选择集评估的方法。

公开(公告)号：CN119537233A

公开(公告)日：2025-02-28

申请号：CN202411650905.3

申请日：2024-11-19

Applicant: 南京大学

Inventor： 李薛成 ,  赵祖威 ,  汤恩义 ,  陈鑫 ,  陆一飞 ,  李重 ,  李宣东

IPC: G06F11/3668 ,  G06N5/04 ,  G06N7/02

Abstract: 本发明提出了一种结合符号执行的人工智能制导生成程序测试方法，通过结合符号执行的严格推理能力和人工智能模型的模糊推理能力对人工智能制导自动化生成的代码进行有效测试，结合利用人工智能技术对符号执行所收集的程序路径约束进行增强求解，生成更多高质量的、高覆盖的测试用例，从而提高测试覆盖率和测试结果的正确性，发现传统测试框架难以捕捉的程序错误，提高测试覆盖率和检测代码错误的能力，且无论待测程序是否有基准实现与预定义输出，本测试方法均可以成功实施，可以帮助开发人员更好地利用人工智能制导生成的程序，提高程序的可靠性。