检索结果-南通市图书馆

基于差分测试的深度学习源码漏洞检测工具异常检测研究与实现

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于差分测试的深度学习源码漏洞检测工具异常检测研究与实现

作者：沈聪北京邮电大学

学位级别：硕士

目前大量开发人员都在使用深度学习源码漏洞检测工具来检测源代码中的安全漏洞,然而许多深度学习源码漏洞检测工具在检测真实生产环境的源代码时表现非常差,其检测准确率低于20%。其主要原因在于深度学习源码漏洞检测工具的检测过程中... 详细信息

目前大量开发人员都在使用深度学习源码漏洞检测工具来检测源代码中的安全漏洞,然而许多深度学习源码漏洞检测工具在检测真实生产环境的源代码时表现非常差,其检测准确率低于20%。其主要原因在于深度学习源码漏洞检测工具的检测过程中存在异常问题,其中包括:数据集使用不规范、工具设计不规范、检测工具鲁棒性差、深度学习模型没有学习到漏洞本质特征等问题。深度学习源码漏洞检测工具作为一个软件,不可避免地存在一些软件中常见的问题,仍需要对其进行软件测试。目前诸多研究将深度学习源码漏洞检测工具研究重点关注在训练数据和算法提升上,没有过多考虑深度学习源码漏洞检测工具作为软件存在的缺陷。而目前已有深度学习源码漏洞检测工具的提升方法也仅仅是对源码漏洞检测工具的预处理代码和算法进行人工分析并改进,没有做到自动化检测异常并修复,这些工作费时费力,发现异常的效率也不够高效。本文将深度学习源码漏洞检测工具视为一个特殊的软件,利用差分测试这一通用的软件测试方法对深度学习源码漏洞检测工具的异常进行检测和分析。本文中所检测的异常不仅包括常见的软件异常,还包括深度学习特性所产生的异常,以及源码漏洞检测工具中特有的异常。本文发现并量化深度学习源码漏洞检测工具中存在的异常,对源码漏洞检测工具中已经发现的异常进行修复。本文研究了源码漏洞检测工具中所有可能存在的异常,提出了基于差分测试的源码漏洞检测工具异常检测方法,在已有的差分测试的基础上提出了新的测试用例变异策略,并实现了基于差分测试的源码漏洞检测工具异常检测系统,提供了异常检测方法和修复方法。本文的工作和贡献如下:1.定义了深度学习源码漏洞检测工具中存在的异常。这些异常包括原有研究中发现的数据集相关异常、通用软件中常见的异常以及深度学习源码漏洞检测工具中特有功能的异常。其中代码片段标记异常、符号化异常和深度学习公平性异常过去未经发现。2.研究深度学习源码漏洞检测工具的异常检测方法。本文在已有的差分测试的基础上提出了新的异常检测方法以及新的测试用例变异方法。本文提出了 12种源码漏洞检测工具异常检测方法,其中9种利用了差分测试技术。根据这些异常检测方法,本文提出相应的自动化修复方法。3.研究并实现基于差分测试的深度学习源码漏洞检测工具异常检测系统,对较为常用的开源深度学习源码漏洞检测工具进行检测,发现了 8个工具实现类异常,还发现所有深度学习源码漏洞检测工具都存在算法类异常。该系统分析了深度学习源码漏洞检测工具作为一个软件其代码中可能存在的错误,并发现了过去未发现的深度学习源码漏洞检测工具异常,具有创新性。

关键词：异常检测差分测试深度学习源码漏洞检测工具

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于差分模糊测试的深度学习算子测试框架

基于差分模糊测试的深度学习算子测试框架

作者：户胜浩南京大学

学位级别：硕士

深度学习技术凭其高准确性在人工智能领域,如计算机视觉、自然语言处理等方面取得突破性成就并迅速占领市场,其自身质量也越来越受到人们的关注。深度学习算子作为深度学习模型的重要组件,负责处理具体任务执行时的高维数据。算子准确... 详细信息

深度学习技术凭其高准确性在人工智能领域,如计算机视觉、自然语言处理等方面取得突破性成就并迅速占领市场,其自身质量也越来越受到人们的关注。深度学习算子作为深度学习模型的重要组件,负责处理具体任务执行时的高维数据。算子准确与否是保证深度学习模型准确的关键,但目前却缺乏有效手段来验证算子结果是否准确。算子测试能够在回避复杂的深度学习模型带来的困扰的同时,验证深度学习算子质量,因此亟需提出有效的测试技术衡量算子性能。本文提出一种基于差分模糊测试的深度学习算子测试框架对深度学习算子进行测试。该技术视不同框架上运行的同类算子为不同实例,在模糊测试过程中,首先选择种子以初始化语料库,并从语料库中随机选择样本作为原始输入。利用马尔可夫链——蒙特卡洛算法从变异方法中选择合适方法对原始输入进行变异,结合能量函数控制变异过程,生成一定数量的变异输入,实现算子测试的输入扩增。在差分测试过程中,将变异输入提交给不同算子实例进行处理,获取输出结果。利用L范数距离计算算子实例输出结果差异,将差异超过设定阈值的情况视为触发算子潜在异常。并将触发算子异常的变异输入反馈回语料库以动态维护语料库,引导测试人员探索算子潜在异常。从而不断验证深度学习算子异常,提高深度学习测试效率。同时,为本差分模糊测试结合的算子测试框架开发出一个名为DifFuzz的工具来实现本框架对深度学习算子的测试。本文在TensorFlow、PyTorch和Caffe三个常用深度学习发框架上,以8种常用的深度学习算子作为测试对象,开展实验。实验结果表明,基于差分模糊测试的深度学习算子测试框架能够有效引导深度学习算子触发新异常,而且卷积算子触发的异常在这这些算子中是最大的。面向测试人员的问卷调查结果显示,测试人员对DifFuzz测试工具的使用体验满意度达到70%。

关键词：语料库差分测试模糊测试马尔可夫链——蒙特卡洛能量函数

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

深度学习系统的差分组合测试

深度学习系统的差分组合测试

作者：王春燕天津大学

学位级别：硕士

随着深度学习（Deep learning,简记DL）系统越来越多地应用于安全相关领域,包括自动驾驶汽车和智能安防等,对深度学习模型预测准确性的高度信任变得至关重要。正如传统的软件开发一样,对模型行为正确性的信心源于对各种可能场景的严格... 详细信息

随着深度学习（Deep learning,简记DL）系统越来越多地应用于安全相关领域,包括自动驾驶汽车和智能安防等,对深度学习模型预测准确性的高度信任变得至关重要。正如传统的软件开发一样,对模型行为正确性的信心源于对各种可能场景的严格测试。然而,与传统的软件开发不同,深度学习系统的逻辑是通过训练过程学习的,因此深度学习模型很难测试。另外现有的深度学习测试严重依赖于人工标记的数据,经常无法为边缘输入数据暴露出错误的行为。为了解决以上问题,本文提出差分组合测试（Differential combination testing,简记DCT）,这是一种实现自动化检测的深度学习测试方法,用于系统地检测更多的边缘情况产生的错误行为并且无需依赖手动标记的输入数据。首先,基于随机图像变换的差分组合测试方法对种子图像添加约束,应用图像组合变换来自动生成能够增加神经元覆盖率和多个相似深度学习模型差分检测结果的测试用例。该方法利用多个有类似功能的深度学习系统作为交叉引证,使得输入数据可以被自动标记且可以自动检查多个深度学习系统输出行为的正确性。其次,基于优先级图像变换的差分组合测试方法在图像组合变换时添加了优先级策略,在系统模型检测时应用了自动检测结果的差分策略,实现了更高效率的图像处理过程以及更加准确地判断了深度学习系统的输出行为。最后,大量实验结果表明DCT方法在最常用的深度学习模型中高效地发现了数千个错误的边缘行为,可以较好地检测深度学习系统的可靠性和稳健性。综上所述,差分组合测试方法能够进行测试数据自动标注和实现高覆盖率测试并且能够同时检测多个深度学习模型的行为准确性,在数据标注和深度学习系统测试方面进行了有益的尝试。

关键词：深度学习系统组合测试差分测试深度神经网络

基于IEEE1149.4的差分测试方法的研究与应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机测量与控制 2005年第8期13卷 766-767,778页

作者：雷加尹爱晖桂林电子工业学院电子工程系广西桂林541004

IEEE1149.4标准(DOT4)为解决数模混合电路的边界扫描测试提供了有效的方法,对于数模混合差分电路的互联测试,一直是数模混合电路中互联测试的重点之一,介绍了一种基于此标准的差分互联电路的测试方法以及差分模拟边界扫描单元的应用,对... 详细信息

IEEE1149.4标准(DOT4)为解决数模混合电路的边界扫描测试提供了有效的方法,对于数模混合差分电路的互联测试,一直是数模混合电路中互联测试的重点之一,介绍了一种基于此标准的差分互联电路的测试方法以及差分模拟边界扫描单元的应用,对混合差分电路实现了简单互联和扩展互联的边界扫描测试,从而提高了差分电路互联测试的能力。

关键词：边界扫描 IEEE1149.4 差分测试数模混合电路

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于差分测试的深度学习算子稳定性分析技术

基于差分测试的深度学习算子稳定性分析技术

作者：吕军南京大学

学位级别：硕士

近年来,随着深度学习技术在自动驾驶、图像识别等领域不断产生突破性成果,研究人员逐步加强对深度学习框架的重视,涌现了大量深度学习框架。但是由于深度学习框架不断更新以及运行硬件环境的多样性,使得深度学习算子具有多种实现形式和... 详细信息

近年来,随着深度学习技术在自动驾驶、图像识别等领域不断产生突破性成果,研究人员逐步加强对深度学习框架的重视,涌现了大量深度学习框架。但是由于深度学习框架不断更新以及运行硬件环境的多样性,使得深度学习算子具有多种实现形式和运行环境,存在运算不稳定现象,并且这种不稳定因素也会存在于使用这些算子搭建的深度学习模型中。因此如何分析深度学习算子稳定性成为目前一个亟需研究解决的问题。基于上述背景,结合算子测试和差分测试的特征,本文提出基于差分测试的深度学习算子稳定性分析技术,并给出相应系统实现。系统使用导向型模糊测试方案进行开发设计,导向目标为特定差分评估值。系统核心模块由算子与种子管理、种子队列管理、变异策略、差分测试模块组成。算子与种子管理模块负责算子和种子的增删改查功能,并实时同步文件资源和相应数据库记录;种子队列管理模块将种子按优先级排序,并使用模拟退火算法淘汰部分种子,防止种子队列包含大量无效、冗余种子;变异策略模块负责从扰动函数列表选取部分扰动函数,并对选取种子进行扰动变异生成测试用例;差分测试模块基于测试用例进行差分测试,记录执行过程中触发的差分异常,并将差分测试结果反馈给种子队列管理模块。本文使用本系统分析评估Tensor Flow1.9.0、Py Torch1.3.1、Caffe1.0框架中常见算子在CPU和GPU运行模式下的稳定性。结果表明conv2d、avg＿pooling、sigmoid、tanh、softmax算子在不同框架、平台运算结果存在差异,出现差分异常现象,不具备良好的稳定性;max＿pooling、relu、leaky relu算子在不同框架、平台运算结果稳定一致,具有良好的稳定性。此外,算子在GPU运行模式下的稳定性略优于CPU。这表明本系统具备深度学习算子稳定性分析能力。

关键词：深度学习算子差分测试模糊测试变异策略模拟退火算法

面向JavaScript引擎报错机制的类别导向模糊测试方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机科学 2023年第12期50卷 49-57页

作者：卢凌周志德任志磊江贺大连理工大学软件学院辽宁大连116620 南京航空航天大学高安全系统的软件开发与验证技术工业和信息化部重点实验室南京210016

报错机制是JavaScript引擎必不可少的一部分。面对错误的程序,JavaScript引擎报错机制应输出合理的错误信息,指出错误的原因和位置,帮助开发人员修复错误。然而,JavaScript引擎报错机制中存在会阻碍开发人员修复错误的缺陷。文中提出了... 详细信息

报错机制是JavaScript引擎必不可少的一部分。面对错误的程序,JavaScript引擎报错机制应输出合理的错误信息,指出错误的原因和位置,帮助开发人员修复错误。然而,JavaScript引擎报错机制中存在会阻碍开发人员修复错误的缺陷。文中提出了首个面向JavaScript引擎报错机制的类别导向模糊测试方法CAFJER。给定一个种子程序,CAFJER首先为其选择一个目标类别的错误信息,并进行动态分析得到其上下文信息。其次,CAFJER根据种子程序的上下文信息生成能触发目标类别错误信息的测试用例。然后,CAFJER将生成的测试用例输入不同JavaScript引擎中进行差分测试。若输出的错误信息间有所差异,则说明其中可能存在缺陷。最后,CAFJER自动过滤重复的和无效的测试用例,有效减少了人工的参与。为了验证CAFJER的有效性,将CAFJER与目前先进的相似方法JEST和DIPROM进行比较,实验结果表明,CAFJER在JavaScript引擎报错机制中发现的独特缺陷数分别是JEST和DIPROM的2.17倍和26倍。在为期3个月的实验中,CAFJER还向开发者提交了17个缺陷报告,其中7个已被确认。

关键词： JavaScript 报错机制错误信息差分测试程序变异

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

面向C++标准库的自动化测试技术研究

面向C++标准库的自动化测试技术研究

作者：严懿宸华东师范大学

学位级别：硕士

C++语言是一种面向对象的编程语言,广泛用于不同规模、平台的软件中。因此,C++编译器的质量影响着很大一部分软件的质量,C++标准库是C++编译器中的重要组成部分。本文针对当前C++标准库质量研究缺失的现状,面向不同C++编译器中标准库的... 详细信息

C++语言是一种面向对象的编程语言,广泛用于不同规模、平台的软件中。因此,C++编译器的质量影响着很大一部分软件的质量,C++标准库是C++编译器中的重要组成部分。本文针对当前C++标准库质量研究缺失的现状,面向不同C++编译器中标准库的实现,基于差分测试的方法,设计实现了 C++标准库的自动化测试方法和对应的工具,在主流的C++标准库实现中发现了真实的软件缺陷。本文的主要贡献有以下几点:·基于开源代码生成C++标准库测试用例本文提出了一种基于开源C++软件及其编译、测试工具生成C++标准库测试用例的方法,为C++标准库测试提供了所需的多样、覆盖范围广测试用例;·针对C++标准库错误基于差分测试的测试用例缩减方法本文针对C++标准库的错误特点,基于差分测试的思想提出了一种C++标准库测试用例的缩减方法,加速了后续的分析;·针对C++标准库问题进行分析并提交修复本文针对发现的C++标准库问题,详细分析定位了各个问题的原因,总结可能触发问题的对C++标准库使用,并向对应C++程序和标准库本身提交了相关报告或修复,提升了开源软件的质量。

关键词： C++标准库自动化测试差分测试

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于模糊测试的DNS软件缺陷检测方法研究

基于模糊测试的DNS软件缺陷检测方法研究

作者：张江瑜浙江大学

学位级别：硕士

域名系统(Domain Name System,DNS)是互联网的核心基础设施之一,其主要功能是将人类可读的域名映射到计算机可以识别的IP地址,从而使互联网通信更加方便和高效。然而,一旦DNS软件存在缺陷并被攻击者发现和利用,则可引发严重的网络安全... 详细信息

域名系统(Domain Name System,DNS)是互联网的核心基础设施之一,其主要功能是将人类可读的域名映射到计算机可以识别的IP地址,从而使互联网通信更加方便和高效。然而,一旦DNS软件存在缺陷并被攻击者发现和利用,则可引发严重的网络安全风险。因此,检测DNS软件缺陷并保障DNS安全意义重大。为了有效地检测软件缺陷,研究人员提出了模糊测试方法,即通过自动生成大量格式不正确的输入来模拟攻击过程,并监测被测程序的运行状态以发现软件问题。研究分析发现,将现有的模糊测试研究直接应用于DNS软件仍存在着:测试用例可用性低、DNS软件功能覆盖不全、语义缺陷无法检测等问题。为此,本文提出了一种基于模糊测试的DNS软件缺陷检测方法。具体而言,首先,为了提升测试用例的可用性,该方法通过对DNS报文进行拆分变异,再基于语义结构生成测试用例,最终按照DNS协议格式规范修复生成的测试用例。其次,为了完全覆盖DNS软件功能和简化状态机构建过程,该方法从客户端和域名服务器两端进行模糊测试,并针对DNS软件的缓存机制设计了重复发送相同报文的模糊测试策略。最后,为了能够检测DNS软件的语义缺陷和降低人工分析成本,该方法在客户端和域名服务器端对多个软件进行差分分析,从而得到行为不一致的可疑用例,再基于变异前后用例的差异位置特征进行自动化去重处理。为了将上述研究成果应用于实际场景中,本文设计并实现了DNS软件缺陷检测工具AFLDNS。为了证明其有效性,本文使用该工具以及6个业界主流的协议模糊测试工具,对6个开源DNS软件进行了对比验证测试,发现AFLDNS工具在代码和状态覆盖能力、缺陷检测能力方面表现更加优异,且已成功发现16个DNS软件缺陷,其中7个缺陷已被厂商确认并修复。实验结果表明,AFLDNS工具具有良好的模糊测试能力和缺陷检测能力,能够有效提升DNS软件的安全性。

关键词：域名系统模糊测试差分测试缺陷检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于EMI的代码覆盖率工具Bug检测

基于EMI的代码覆盖率工具Bug检测

作者：邹鑫大连理工大学

学位级别：硕士

代码覆盖率作为动态程序执行程度的度量信息,被广泛用于促进各种软件质量保证任务,例如测试、模糊测试、调试、故障检测、逆向工程和程序理解。由于应用广泛,确保代码覆盖率工具的可靠性至关重要。不幸的是,由于缺乏研究关注和测试预言... 详细信息

代码覆盖率作为动态程序执行程度的度量信息,被广泛用于促进各种软件质量保证任务,例如测试、模糊测试、调试、故障检测、逆向工程和程序理解。由于应用广泛,确保代码覆盖率工具的可靠性至关重要。不幸的是,由于缺乏研究关注和测试预言问题的存在,代码覆盖率工具还远远没有得到充分的测试。在广泛使用的代码覆盖率工具gcov和llvm-cov中仍然经常出现错误。本文提出了Cov EMIDiff工具用于检测代码覆盖率工具中的Bug。Cov EMIDiff会根据随机测试程序源码使用代码覆盖率工具gcov和llvm-cov生成代码覆盖率报告,对随机测试程序源码中未执行的代码行进行删除修剪得到随机测试程序的等效模输入文件。将剪枝后的等效模输入文件执行输出的差分测试结果作为测试预言,如果等效模输入文件的编译执行过程中出现异常或者输出结果不一致则可以认为是代码覆盖率报告存在问题而导致的。随后Cov EMIDiff会通过不一致解析器对存在问题等效模输入文件中的不一致的代码行进行解析。不一致解析器会解析进行差分测试的两个等效模输入文件中的不一致行,根据不一致行的抽象语法树上下文来判断是哪个代码覆盖率工具的什么错误导致该不不一致行的产生。同时不一致解析器还能够过滤掉已知的代码覆盖率工具Bug,使得研究重点放在未发现的代码覆盖率工具Bug之上。本文设计了一个分布式高可用的代码覆盖率工具检测系统,将Cov EMIDiff封装为一个实验服务,用户可以零部署、零安装地对代码覆盖率工具进行测试。并且在系统部署后的短期时间内已经发现了多个代码覆盖率工具错误,通过对发现的错误进行总结得到了4种可以复现的代码覆盖率工具Bug并将其解析过程封装为不一致解析器用于自动化解析不一致行产生的原因。这不仅证明了我们方法的有效性,而且还强调了需要继续提高代码覆盖率工具的可靠性。

关键词：代码覆盖率等效模输入差分测试