[發明專利]基于生成對抗網絡的智能化軟件測試及云平臺構建方法

有效

• 申請號: 201811218896.5
• 申請日: 2018-10-19
• 公開（公告）號: CN109582562B
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 楊順昆;張逸卓;李紅曼;茍曉冬;蔣亮亮;邵麒;張宇涵;邊沖
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06F11/36
• 分類號: G06F11/36
• 代理公司: 北京慧泉知識產權代理有限公司 11232
• 代理人: 王順榮;唐愛華

1.一種基于生成對抗網絡的智能化軟件測試及云平臺構建方法，其特征在于：其實施步驟如下：

步驟1：獲取復數個軟件測試工具，并獲取所述軟件測試工具的性能參數；

步驟2：分別使用所述軟件測試工具對待測程序進行掃描，得到每條語句的分析結果，并根據所述測試工具的性能參數對分析結果進行更新，記為第一分析結果；

步驟3：建立神經網絡的生成模型和判別模型，形成生成性對抗網絡；

步驟4：將更新后的分析結果分別輸入生成性對抗網絡中，對所述軟件測試工具及結果進行第一階段判斷；

步驟5：將所述更新后的分析結果進行復數種方式的數據融合，得到復數種融合方式下的分析結果，記為第二分析結果；

步驟6：將所述第二分析結果分別輸入生成性對抗網絡，對所述軟件測試工具及結果進行第二階段判斷；

步驟7：結合所述第一階段判斷和第二階段判斷所得結果信息對測試程序以及軟件測試工具進行評估與決策；

步驟8：基于一開源云平臺框架,將所述測試工具、待測程序、分析結果、數據融合方法、生成對抗網絡和評估與決策結果作為節點部署到云環境中。

2.根據權利要求1所述的一種基于生成對抗網絡的智能化軟件測試及云平臺構建方法，其特征在于：

在步驟1中所述的“獲取復數個軟件測試工具，并獲取所述軟件測試工具的性能參數”，其具體做法如下：對現有的程序軟件測試工具的具體功能進行系統分析，根據需求對分析工具進行目的性的選擇，以獲得復數個軟件測試工具；獲取軟件測試工具的性能參數的過程如下：基于已經獲知程序具體錯誤和報警的參考程序，也即是基準程序，對程序軟件測試工具的誤報率和報錯率進行測試，將所得測試結果以百分數的形式記錄下來。

3.根據權利要求1所述的一種基于生成對抗網絡的智能化軟件測試及云平臺構建方法，其特征在于：

在步驟2中所述的“分別使用所述軟件測試工具對待測程序進行掃描，得到每條語句的分析結果，并根據所述測試工具的性能參數對分析結果進行更新，記為第一分析結果”，其具體做法如下：對待測程序進行掃描為軟件測試中軟件測試的關鍵步驟，在對程序進行掃描的過程中，程序的每條語句的具體錯誤情況、報警情況以及正確情況都將被記錄，在本次軟件測試過程中，所得記錄分為錯誤、警告和正確，且三者的表達方式為邏輯命題形式，若命題為真，記為1，反之,記為0，且三者互不相容，程序的分析結果進行更新步驟包括基于條件概率分配函數以及均分方式對分析結果的概率分布進行分配，將所述程序的分析結果進行更新，所得結果以百分數的形式呈現。

4.根據權利要求1所述的一種基于生成對抗網絡的智能化軟件測試及云平臺構建方法，其特征在于：

在步驟3中所述的“建立神經網絡的生成模型和判別模型，形成生成性對抗網絡”，其具體做法如下：分別采用神經網絡構建生成模型和判別模型,通過需求選定訓練樣本,將樣本輸入模型中,獲得符合期望和預期偏差的特征函數,經過不斷訓練，得到性能高的生成模型和判別模型，其中G(z)表生成模型，Z表隨機噪聲,也即是由符合高斯分布及其他概率分布模型產生的隨機數據,該隨機數據表示測試用例的標準分析結果,模型G將隨機噪聲Z轉化為數據類型G(x)，D表判別模型，對任意的輸入x，D(x)輸出0-1的實數，用來表示輸入x的可信度；其中，用P_d和P_g分別表示真實數據和生成數據的分布，則判別模型的目標函數為：

max_DEx～Pd[logD(x)]+Ex～Pd[log(1-D(x))]；

系統的優化目標函數為代價函數V(G,D)：

min_Gmax_DEx～Pd[logD(x)]+Ex～Pg[log(1-D(x))]；

式中：max表示最大值函數，Ex表隨機數據的方差，log為對數函數；由上述兩個公式的不斷迭代，能實現生成模型和判別模型性能的改善；

其優化過程能表示為分別對D和G進行交互迭代，交互迭代的具體方式為：首先固定G不變，優化D，經過一段時間后，再固定D不變，優化G，直至整個過程收斂。