-
公开(公告)号：CN110347579B
公开(公告)日：2022-03-04
申请号：CN201910263676.2
申请日：2019-04-01
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于神经元输出行为模式的深度学习测试用例的选择方法，包括下列步骤：1)获取对抗样本的神经元输出行为的行为模式。2)计算每一条测试用例的神经元输出行为与对抗样本神经元输出行为的行为模式的距离。3)根据距离对测试用例集进行优先级排序。本发明可以尽早的在测试用例集中找到对抗本，对测试用例进行优先级排序提高了测试效率。
-
公开(公告)号：CN110135558A
公开(公告)日：2019-08-16
申请号：CN201910323798.6
申请日：2019-04-22
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于可变强度组合测试的深度神经网络测试充分性方法，利用可变强度组合测试技术，根据模型权重对深度神经网络中的神经元进行关系抽取，提取不同强度的神经元组合，根据神经元组合中神经元激活状态，评估神经网络中的神经元激活状态覆盖情况；根据计算出的覆盖率来评估模型测试充分性。本发明既有效缩减了神经元状态空间，还根据不同的作用关系抽取对应的神经元组合，进行覆盖率计算。如果测试用例可以达到较高的覆盖率，那么测试用例的充分性便可以得到更好的证明，也就可以提升测试准则的科学性和可信度。
-
公开(公告)号：CN110135558B
公开(公告)日：2022-04-12
申请号：CN201910323798.6
申请日：2019-04-22
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于可变强度组合测试的深度神经网络测试充分性方法，利用可变强度组合测试技术，根据模型权重对深度神经网络中的神经元进行关系抽取，提取不同强度的神经元组合，根据神经元组合中神经元激活状态，评估神经网络中的神经元激活状态覆盖情况；根据计算出的覆盖率来评估模型测试充分性。本发明既有效缩减了神经元状态空间，还根据不同的作用关系抽取对应的神经元组合，进行覆盖率计算。如果测试用例可以达到较高的覆盖率，那么测试用例的充分性便可以得到更好的证明，也就可以提升测试准则的科学性和可信度。
-
公开(公告)号：CN110347579A
公开(公告)日：2019-10-18
申请号：CN201910263676.2
申请日：2019-04-01
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于神经元输出行为模式的深度学习测试用例的选择方法，包括下列步骤：1)获取对抗样本的神经元输出行为的行为模式。2)计算每一条测试用例的神经元输出行为与对抗样本神经元输出行为的行为模式的距离。3)根据距离对测试用例集进行优先级排序。本发明可以尽早的在测试用例集中找到对抗本，对测试用例进行优先级排序提高了测试效率。
-
-
-
Search Results
4
records
(took 0.016 seconds)
