申请/专利权人：北京理工大学

申请日：2020-08-07

公开（公告）日：2023-04-07

公开（公告）号：CN111897733B

主分类号：G06F11/36

分类号：G06F11/36;G06F21/57;G06N3/006;G06N3/043;G06N3/0442;G06N3/126

优先权：

专利状态码：有效-授权

法律状态：2023.04.07#授权;2020.11.24#实质审查的生效;2020.11.06#公开

摘要：本发明公开了一种基于最小集合覆盖的模糊测试方法和装置，该方法利用深度神经网络为目标二进制程序产生测试用例集，并加入测试用例队列；利用最小集合覆盖理论，从所述测试用例队列中筛选出具有最大化路径覆盖率且测试用例数量最少的最小用例集合，以减少执行效果相同的重复测试用例的数量；以设定的一个或一个以上的测试用例选择标准，对所述最小用例集合中的测试用例进行排序，选择最优测试用例进行后续变异，继而实现模糊测试；将模糊测试过程中产生的有效测试用例加入深度神经网络测试用例训练集，离线地指导深度神经网络进行优化训练。使用本发明能够获得更小测试用例集以及更有效的测试用例，可以针对目标二进制程序进行有效地漏洞检测。

主权项：1.一种基于最小集合覆盖的模糊测试方法，其特征在于，包括：利用深度神经网络为处理结构化或非结构化输入的目标二进制程序产生测试用例集，并加入测试用例队列；利用最小集合覆盖理论，从所述测试用例队列中筛选出具有最大化路径覆盖率且测试用例数量最少的最小用例集合，以减少执行效果相同的重复测试用例的数量；具体为：采用执行目标二进制程序的方式，确定测试用例对应的基本块覆盖信息、路径深度信息和崩溃信息；确定最小用例集合时，确定每个测试用例所覆盖的基本块；将基本块转换为相应的唯一标识形式，构造每个测试用例所覆盖的基本块集合；将所有测试用例所覆盖的基本块集合取并集，获得基本块总覆盖集合；以最大化覆盖基本块总覆盖集合、最小化测试用例数量为准则，确定符合准则的测试用例组，作为所述最小用例集合；以崩溃数量和最大路径执行深度作为测试用例选择标准，对所述最小用例集合中的测试用例进行排序，选择最优测试用例进行后续变异，继而实现模糊测试；将模糊测试过程中产生的覆盖新路径的有效测试用例加入深度神经网络测试用例训练集，离线地指导深度神经网络进行优化训练。

全文数据：

权利要求：

百度查询： 北京理工大学 一种基于最小集合覆盖的模糊测试方法和装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD