-
公开(公告)号：CN119201727A
公开(公告)日：2024-12-27
申请号：CN202411312873.6
申请日：2024-09-15
Applicant: 南京大学
Abstract: 本发明公开了一种基于开发者经验的深度学习框架变异测试方法，该方法采用基于开发人员专业知识的变异算子和约束条件生成模型，模拟开发过程中开发人员的常见操作，并在深度学习模型生命周期的多个阶段(如模型训练和推理)中检测更加多样化的缺陷。该方法包括两个部分：第一，模型变异，用于生成变异体；第二，缺陷检测，用于执行缺陷检测。其中，模型变异包括以下步骤：首先，本发明采用两个深度Q网络来选择变异算子和种子模型；然后在准则约束下对种子模型进行变异，并根据当前目标评估计算的奖励来更新Q网络；然后，它过滤掉违反任何约束的变异体，并将合法的变异体添加到生成的模型池中。这个过程迭代进行，直到变异完成。缺陷检测包括以下步骤：首先，本发明检测变异体中暴露的缺陷并记录缺陷报告。接着，基于奖励，本发明选择部分模型并进一步执行它们，以检测资源调度、执行崩溃、模型性能和输出精度中的缺陷。通过本发明的方法，可以过滤在缺陷检测中无意义的模型，并在模型的执行阶段检测多样化的缺陷，提高缺陷检测的有效性，具有重要的应用价值和推广前景。
-
公开(公告)号：CN118689772A
公开(公告)日：2024-09-24
申请号：CN202410839296.X
申请日：2024-06-26
Applicant: 深圳市金溢科技股份有限公司 , 南京大学
Abstract: 本发明实施例公开了基于智能交通模型神经元特性的变异测试方法、装置及计算机设备。所述方法包括：设置深度依赖变异算子；根据所述深度依赖变异算子与已训练的智能交通模型进行模型变异，以得到目标变异模型；获取测试用例；利用所述测试用例输入至已训练的智能交通模型以及目标变异模型，并进行输出结果的分析，以得到分析结果；根据所述分析结果优化已训练的智能交通模型。通过实施本发明实施例的方法可实现有效地模拟各种交通情景下可能出现的异常输入，从而更全面地评估模型的鲁棒性和可靠性，不仅提高了测试的针对性和有效性，而且为智能交通系统的安全运行提供了更强的保障。
-
公开(公告)号：CN118689771A
公开(公告)日：2024-09-24
申请号：CN202410839275.8
申请日：2024-06-26
Applicant: 深圳市金溢科技股份有限公司 , 南京大学
Abstract: 本发明实施例公开了基于智能交通V2X模型的领域特定变异测试方法、装置及计算机设备。所述方法包括：设置领域特定变异算子；根据所述领域特定变异算子对已训练的智能交通V2X模型进行变异，以得到目标变异模型；生成智能化测试用例，以测试所述目标变异模型，形成测试结果；对所述测试结果进行深度性能分析，并根据分析结果对所述目标变异模型的参数以及训练策略进行迭代优化。通过实施本发明实施例的方法可实现提高测试的覆盖率和准确性，确保模型在面对未知挑战时的鲁棒性，增强系统的整体可靠性，更好地检测模型可能存在的潜在缺陷，还能够有效地模拟各种复杂和边缘情况，从而有效应对智能交通系统中的挑战和风险。
-
公开(公告)号：CN117218051A
公开(公告)日：2023-12-12
申请号：CN202210613530.8
申请日：2022-06-01
Applicant: 深圳慕智科技有限公司 , 南京大学深圳研究院
Abstract: 一种基于变异图像熵值引导的神经网络模糊测试方法，其主要特征是根据熵值大小来为种子分配权重；然后以权重为概率选取种子进行基于蜕变关系的图像变异，并更新种子的熵值；最后将得到的包含变异图像的数据集输入待测模型，进行神经元覆盖率评估，分析得到的结果。
-
-
-
Search Results
4
records
(took 0.014 seconds)
