检索结果-南通市图书馆

IATG:基于解释分析的自动驾驶软件测试方法

在线全文

学校读者我要写书评

暂无评论

软件学报 2024年第6期35卷 2753-2774页

作者：谢瑞麟崔展齐陈翔郑丽伟北京信息科技大学计算机学院北京100101 南通大学信息科学技术学院江苏南通226019

以深度神经网络(deep neural network,DNN)为基础构建的自动驾驶软件已成为最常见的自动驾驶软件解决方案.与传统软件一样,DNN也会产生不正确输出或意想不到的行为,基于DNN的自动驾驶软件已经导致多起严重事故,严重威胁生命和财产安全.... 详细信息

以深度神经网络(deep neural network,DNN)为基础构建的自动驾驶软件已成为最常见的自动驾驶软件解决方案.与传统软件一样,DNN也会产生不正确输出或意想不到的行为,基于DNN的自动驾驶软件已经导致多起严重事故,严重威胁生命和财产安全.如何有效测试基于DNN的自动驾驶软件已成为亟需解决的问题.由于DNN的行为难以预测和被人类理解,传统的软件测试方法难以适用.现有的自动驾驶软件测试方法通常对原始图片加入像素级的扰动或对图片整体进行修改来生成测试数据,所生成的测试数据通常与现实世界差异较大,所进行扰动的方式也难以被人类理解.为解决上述问题,提出测试数据生成方法IATG(interpretability-analysis-based test data generation),使用DNN的解释方法获取自动驾驶软件所做出决策的视觉解释,选择原始图像中对决策产生重要影响的物体,通过将其替换为语义相同的其他物体来生成测试数据,使生成的测试数据更加接近真实图像,其过程也更易于理解.转向角预测模型是自动驾驶软件决策模块重要组成部分,以此类模型为例进行实验,结果表明解释方法的引入有效增强IATG对转向角预测模型的误导能力.此外,在误导角度相同时IATG所生成测试数据比DeepTest更加接近真实图像;与semSensFuzz相比,IATG具有更高误导能力,且IATG中基于解释分析的重要物体选择技术可有效提高semSensFuzz的误导能力.

关键词：深度神经网络自动驾驶软件解释方法软件测试

在线全文

学校读者我要写书评

暂无评论

基于可解释性分析的深度神经网络优化方法

计算机研究与发展 2024年第1期61卷 209-220页

作者：吴欢欢谢瑞麟乔塬心陈翔崔展齐北京信息科技大学计算机学院北京100101 南通大学信息科学技术学院江苏南通226019

近年来,深度神经网络(deep neural network,DNN)在众多领域取得了广泛应用,甚至在安全关键系统中已经可以代替人类作出决策,如自动驾驶和智慧医疗等,这对DNN的可靠性提出了更高的要求.由于DNN具有复杂的多层非线性网络结构,难以理解其... 详细信息

近年来,深度神经网络(deep neural network,DNN)在众多领域取得了广泛应用,甚至在安全关键系统中已经可以代替人类作出决策,如自动驾驶和智慧医疗等,这对DNN的可靠性提出了更高的要求.由于DNN具有复杂的多层非线性网络结构,难以理解其内部预测机制,也很难对其进行调试.现有的DNN调试工作主要通过修改DNN的参数和扩增数据集提升DNN性能,以达到优化的目的.然而直接调整参数难以控制修改的幅度,甚至使模型失去对训练数据的拟合能力;而无指导地扩增训练数据则会大幅增加训练成本.针对此问题,提出了一种基于可解释性分析的DNN优化方法(optimizing DNN based on interpretability analysis,OptDIA).对DNN的训练过程及决策行为进行解释分析,根据解释分析结果,将原始数据中对DNN决策行为产生不同程度影响的部分以不同概率进行数据变换以生成新训练数据,并重训练DNN,以提升模型性能达到优化DNN的目的.在使用3个数据集训练的9个DNN模型上的实验结果表明,OptDIA可以将DNN的准确率提升0.39~2.15个百分点,F1-score提升0.11~2.03个百分点.

关键词：深度神经网络 DNN优化 DNN缺陷 DNN性能可解释性分析

在线全文

学校读者我要写书评

暂无评论

一种支持交易筛选的高性能智能合约测试方案

西安电子科技大学学报 2024年第3期51卷 194-202页

作者：彭泳翔马勇刘志全王立波吴永东陈宁唐泳暨南大学信息科学技术学院广东广州510632 江西师范大学计算机信息工程学院江西南昌330022 广东省网络与信息安全漏洞研究重点实验室广东广州510643 电子科技大学计算机科学与工程学院四川成都610054

近年来,作为以太坊的重要组成部分,智能合约引起了工业界与学术界的广泛兴趣。智能合约是一段部署在区块链上的程序,为分布式交易提供了可能。然而,由于智能合约携带的金融属性,使其成为黑客攻击的目标。因此,为保证合约的安全性,需对... 详细信息

近年来,作为以太坊的重要组成部分,智能合约引起了工业界与学术界的广泛兴趣。智能合约是一段部署在区块链上的程序,为分布式交易提供了可能。然而,由于智能合约携带的金融属性,使其成为黑客攻击的目标。因此,为保证合约的安全性,需对漏洞合约进行修复并通过测试保证功能一致性。然而,现有智能合约测试方案缺乏拓展性、重放准确性低以及储存消耗大等问题。为此,提出一种支持交易筛选的高性能智能合约测试方案。该方案首先基于以太坊状态变更建模交易特征,增强扩展性;接着基于二阶树结构储存以太坊历史数据,优化储存空间;最后通过分叉机制进行交易重放,实现在不干扰主链的情况下对修复合约进行测试。基于所提方案实现原型工具SCTester,并与现有合约测试方案EVMPatch、HARTEL和KIM相比较。实验结果表明,所提方案在拓展性与重放准确率有更好的表现,并且在空间消耗方面,所提方案相较于KIM降低了约21.6%的储存空间;在时间消耗方面,所提方案相较于KIM在账户测试场景下的交易重放减少了约70.5%的时间消耗。

关键词：区块链智能合约合约测试

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于安全知识图谱与逆向特征的弱点信息补全

计算机工程 2024年第1期50卷 145-155页

作者：周莎申国伟郭春贵州大学计算机科学与技术学院公共大数据国家重点实验室贵州贵阳550025

开源网络安全知识库已经成为弱点安全加固措施的有效来源,但是受异构信息协同难、历史信息维护难等因素影响,导致开源网络安全知识库弱点信息缺失。针对现有弱点信息补全方法对弱点信息不同邻域特征学习不充分的问题,提出一种基于安全... 详细信息

开源网络安全知识库已经成为弱点安全加固措施的有效来源,但是受异构信息协同难、历史信息维护难等因素影响,导致开源网络安全知识库弱点信息缺失。针对现有弱点信息补全方法对弱点信息不同邻域特征学习不充分的问题,提出一种基于安全知识图谱和逆向特征的弱点信息补全方法 VulKGC-RN。为捕获不同邻域信息,构建关联CVE、CWE、CAPEC和ATT&CK 4类开源网络安全知识库的弱点安全知识图谱,并分析弱点安全知识图谱中安全实体的网络结构,采用逆向知识图谱捕获逆向邻域信息。为学习不同邻域特征,采用图注意力机制,并融合图注意力网络所学习安全实体的正向邻域和逆向邻域的角色特征,以实现弱点安全知识图谱的信息补全。在由5种7 199个安全实体和15种11 817条关联关系组成的开源网络安全数据集上进行实验,结果表明,VulKGC-RN的平均排名达到179,平均倒数排名达到0.671 4,优于基线方法。

关键词：网络安全知识库漏洞弱点安全知识图谱知识图谱补全图注意力网络

基于联邦学习和区块链技术的TAP规则处理系统

在线全文

学校读者我要写书评

暂无评论

信息网络安全 2024年第3期24卷 473-485页

作者：薛茗竹胡亮王明王峰吉林大学计算机科学与技术学院长春130012

触发执行编程(Trigger-Action Programming,TAP)为用户联动物联网(Internet of Things,IoT)设备提供了便捷的编程范式。利用机器学习对用户已编辑的TAP规则进行分析,实现TAP规则推荐和生成等功能可以提升用户体验。但TAP规则可能包含个... 详细信息

触发执行编程(Trigger-Action Programming,TAP)为用户联动物联网(Internet of Things,IoT)设备提供了便捷的编程范式。利用机器学习对用户已编辑的TAP规则进行分析,实现TAP规则推荐和生成等功能可以提升用户体验。但TAP规则可能包含个人隐私信息,用户对上传和分享TAP信息存在顾虑。文章提出了基于联邦学习和区块链技术的TAP规则处理系统,用户可在本地进行TAP模型训练,无需上传隐私数据。为解决集中式服务器单点故障和防范恶意模型参数上传的问题,文章利用区块链技术改进集中式TAP联邦学习架构。用户将本地模型更新的累积梯度传输给区块链中的矿工,进行异常识别和交叉验证。矿工委员会整合正常用户提供的累积梯度,得到的全局模型作为一个新区块的数据,链接到区块链上,供用户下载使用。文章采用轻量级无监督的非负矩阵分解方法验证了提出的基于联邦学习和区块链的分布式学习架构的有效性。实验证明该联邦学习架构能有效保护TAP数据中的隐私,并且区块链中的矿工能够很好地识别恶意模型参数,确保了模型的稳定性。

关键词：触发执行编程非负矩阵分解联邦学习区块链

面向流形数据的加权自然近邻密度峰值聚类算法

在线全文

学校读者我要写书评

暂无评论

兰州大学学报（自然科学版） 2024年第5期60卷 652-660,669页

作者：赵嘉马清陈蔚昌肖人彬崔志华潘正祥南昌工程学院信息工程学院南昌市智慧城市物联感知与协同计算重点实验室南昌330000 华中科技大学人工智能与自动化学院武汉430074 太原科技大学计算机科学与技术学院太原030024 山东科技大学计算机科学与工程学院山东青岛266590

流形数据由一些弧线形类簇组成,其特点是同一类簇的样本间距离较大.密度峰值聚类(DPC)算法具有简单高效的特点,但应对流形数据时表现不佳. DPC算法的两种密度度量标准可能造成不同程度的信息缺失,其分配策略仅参考距离和密度,致使聚类... 详细信息

流形数据由一些弧线形类簇组成,其特点是同一类簇的样本间距离较大.密度峰值聚类(DPC)算法具有简单高效的特点,但应对流形数据时表现不佳. DPC算法的两种密度度量标准可能造成不同程度的信息缺失,其分配策略仅参考距离和密度,致使聚类精度不高.提出面向流形数据的加权自然近邻DPC(DPC-WNNN)算法,定义样本局部密度时,综合分析样本的局部和全局信息,引入加权的自然近邻以及逆近邻来应对高斯核或截断核的信息缺失问题.设计样本分配策略时通过引入共享近邻和共享逆近邻计算样本相似度,弥补DPC算法空间因素缺失的问题.将DPC-WNNN算法在流形数据集和真实数据集上与7种类似算法进行比较,结果表明该算法能更有效地找到类簇的中心点并准确分配样本,表现出良好的聚类性能.

关键词：密度峰值聚类流形数据自然近邻

drAFL++:一种Linux系统下的无源码二进制模糊测试工具

在线全文

学校读者我要写书评

暂无评论

小型微型计算机系统 2024年

作者：任正伟孙敏刘竟诚余荣威王丽娜武汉科技大学计算机科学与技术学院智能信息处理与实时工业系统湖北省重点实验室空天信息安全与可信计算教育部重点实验室武汉大学国家网络空间安全学院

AFL因执行速度快而被广泛应用于软件漏洞的测试与发现，但由于依赖于源代码，其应用范围受到了限制.为此，研究人员研制了Linux系统下的无源码模糊测试工具drAFL，但drAFL的开销较大、测试效率偏低.本文在drAFL的基础上，设计并实现了dr... 详细信息

AFL因执行速度快而被广泛应用于软件漏洞的测试与发现，但由于依赖于源代码，其应用范围受到了限制.为此，研究人员研制了Linux系统下的无源码模糊测试工具drAFL，但drAFL的开销较大、测试效率偏低.本文在drAFL的基础上，设计并实现了drAFL++，以在Linux系统下实现对无源码二进制程序的模糊测试.相较于drAFL，drAFL++在启动方式和路径记录方式上进行了改进.在启动方式上，drAFL++通过动态二进制插桩工具DynamoRIO实现了Forkserver，并通过Forkserver启动子进程，以执行待测程序，从而提高了模糊测试的启动速度和执行速度.在路径记录方式上，drAFL++通过DynamoRIO对待测程序插桩以获取待测程序的执行路径，同时通过“寄存器+栈”的方式将待测程序的执行路径记录到共享内存中，从而减少了运行时的开销.实验结果表明，drAFL++能比drAFL更快触发崩溃，其平均执行速度是drAFL的1.5～3.7倍，并且能够在某些特定场景下触发AFL无法触发的崩溃.此外，drAFL++还能够与一些现有的工具结合使用，具有较好的可移植性.

关键词：无源码模糊测试 DynamoRIO工具启动方式路径记录

基于GA-Elman的无线通信链路可靠性置信区间预测算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

吉林大学学报(工学版) 2024年

作者：王娜娜韩升山西警察学院网络安全保卫系北京交通大学计算机科学与技术学院

针对无线通信链路状态随时间而变化的情况，为实现链路可靠性预测的实时更新和调整，提出基于GA-Elman的无线通信链路可靠性置信区间预测算法。依据对无线通信链路质量特征分析，构建对数距离路径损耗模型，将无线通信链路可靠性研究转... 详细信息

针对无线通信链路状态随时间而变化的情况，为实现链路可靠性预测的实时更新和调整，提出基于GA-Elman的无线通信链路可靠性置信区间预测算法。依据对无线通信链路质量特征分析，构建对数距离路径损耗模型，将无线通信链路可靠性研究转化为对无线通信链路信噪比的研究。通过小波分解将无线通信链路信噪比信号分解为平稳序列和噪声序列，并分别输入到Elman神经网络中实现预测。依据遗传算法（GA）迭代地对Elman神经网络权重和偏置参数寻优，以提升预测模型预测准确性。将预测值结合置信水平，实现无线通信链路可靠性置信区间预测。由实验分析，在遗传算法迭代次数为60次时，能够获得最优Elman神经网络参数，预测准确性有效提升。该算法在无线通信链路领域具有更高的准确性和可靠性，能够提供较为准确预测信息，为无线通信链路可靠性评估和优化提供有力支持。

关键词： GA-Elman 无线通信链路置信区间预测链路质量信噪比小波分解

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

进化内核模糊测试研究综述

网络与信息安全学报 2024年第1期10卷 1-21页

作者：侍言羌卫中邹德清金海大数据技术与系统国家地方联合工程研究中心服务计算技术与系统教育部重点实验室湖北武汉430074 分布式系统安全湖北省重点实验室湖北武汉430074 华中科技大学网络空间安全学院湖北武汉430074 华中科技大学计算机科学与技术学院湖北武汉430074

模糊测试是一种通过生成随机、异常或无效的测试样例来检测软件或系统中潜在漏洞和错误的技术方法。内核作为一种高度复杂的软件系统,由众多互相关联的模块、子系统和驱动程序所构成,相比用户态应用程序,将模糊测试应用于内核面临着代... 详细信息

模糊测试是一种通过生成随机、异常或无效的测试样例来检测软件或系统中潜在漏洞和错误的技术方法。内核作为一种高度复杂的软件系统,由众多互相关联的模块、子系统和驱动程序所构成,相比用户态应用程序,将模糊测试应用于内核面临着代码庞大、接口复杂、运行时不确定等具有挑战性的问题。传统的模糊测试方法生成的输入只能简单地满足接口规范和显式调用依赖,难以深入探索内核。进化内核模糊测试借助于启发式的进化策略,在反馈机制的引导下动态地调整测试样例的生成和选择,从而迭代式地生成质量更高的测试用例。对现有的进化内核模糊测试工作开展研究,阐述了进化内核模糊测试的概念并总结了进化内核模糊测试的通用框架,根据反馈机制类型对进化内核模糊测试工作进行分类和对比,从反馈机制在运行时信息的收集、分析和利用等方面剖析反馈机制引导进化的原理,对进化内核模糊测试的发展方向进行展望。

关键词：内核模糊测试进化反馈