强化学习引导模型生成的深度学习框架漏洞挖掘
Vulnerability Mining of Deep Learning Framework for Model Generation Guided by Reinforcement Learning作者机构：北京理工大学信息与电子学院北京100081
出 版 物：《北京理工大学学报》 (Transactions of Beijing Institute of Technology)
年 卷 期：2024年第44卷第5期
页 面：521-529页
核心收录：
学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
基 金：国家“十三五”重点研发计划项目(2018YFC2000300)
摘 要：现有基于应用模型挖掘漏洞的方法随机生成模型的结构信息,容易造成大量低质测试用例的生成,严重影响漏洞挖掘的效率和效果.针对该问题提出了一种强化学习引导模型生成的深度学习框架漏洞挖掘方法.提取模型运行时的框架状态信息,包括Softmax距离、程序执行结果等,再将框架运行状态信息作为奖励变量指导模型结构与超参数的生成,进而提升测试用例的生成质量与效率.实验结果表明,在生成测试用例数量相同的条件下该方法能够发现更多深度学习框架的漏洞,实用价值高.
维普期刊数据库
同方期刊数据库