申请/专利权人：南京航空航天大学

申请日：2023-12-14

公开（公告）日：2024-04-12

公开（公告）号：CN117873871A

主分类号：G06F11/36

分类号：G06F11/36;G06N3/04;G06N3/08;G06F21/56

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了一种面向神经网络的变异测试用例评估与优化方法，包括：对原始测试用例和原始训练模型进行变异操作，得到变异体；取原始测试用例对原始训练模型进行训练，计算此场景下的突变评分M1；取测试用例变异体对原始训练模型进行训练，计算此场景下的突变评分Ma1；取原始测试用例对训练模型变异体进行训练，计算此场景下的突变评分Ma2；将突变评分M1分别与突变评分Ma1和突变评分Ma2进行对比，得到原始测试用例的评估结果；根据评估结果，优化测试用例，得到优化后的测试用例；对优化后的测试用例进行变异测试，得到突变评分Mb；判断突变评分Mb是否大于突变评分M1，若大于，则重新优化测试用例，再执行S20，若不大于，则结束此循环。

主权项：1.一种面向神经网络的测试用例评估方法，其特征在于：包括以下步骤：步骤1：对原始测试用例进行变异操作，得到测试用例变异体；对原始训练模型进行变异操作，得到训练模型变异体；步骤2：取原始测试用例对原始训练模型进行训练，根据公式1计算突变评分M1；取测试用例变异体对原始训练模型进行训练，根据公式1计算当前变异操作下的突变评分Ma1；取原始测试用例对训练模型变异体进行训练，根据公式1计算当前变异操作下的突变评分Ma2； 其中，Ac是原始测试用例中类别为c′的数据集合，A表示原始测试用例，KilledClassesAc,c′表示原始测试用例A中类别为c′所有被测试数据杀死的集合，MutationScoreA,c′为突变评分，表示每个类别杀死的变异体占总体的数据集合比率之和的均值，C为原始测试用例中所有类别；公式1表示测试用例在训练模型上针对不同变异操作的突变评分定义；步骤3：将突变评分M1分别与突变评分Ma1和突变评分Ma2进行对比，当突变评分Ma1大于突变评分M1时，表明经过当前变异操作后的原始测试用例需改进或增强；当突变评分Ma1不大于突变评分M1时，表明经过当前变异操作后的原始测试用例可用；当突变评分Ma2大于突变评分M1时，表明经过当前变异操作后的训练模型需改进或增强；当突变评分Ma2不大于突变评分M1时，表明经过当前变异操作后的训练模型可用；以此得到评估结果。

全文数据：

权利要求：

百度查询： 南京航空航天大学 一种面向神经网络的变异测试用例评估与优化方法

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