[發明專利]基于神經元激活頻率分析的測試用例優先級排序方法

在審

• 申請號: 201911130237.0
• 申請日: 2019-11-18
• 公開（公告）號: CN111061626A
• 公開（公告）日: 2020-04-24
• 發明（設計）人: 張凱;張永泰;嚴俊;晏榮杰;高紅雨;蘇航
• 申請（專利權）人: 北京工業大學;中國科學院軟件研究所
• 主分類號: G06F11/36
• 分類號: G06F11/36;G06N3/04;G06N3/08
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 沈波

1.基于神經元激活頻率分析的測試用例優先級排序方法，其特征在于：輸入為訓練數據以及測試集在神經網絡的倒數第二層的神經元輸出值，輸出為排完序的測試集，包括以下步驟：

(1)確定神經網絡模型對于計算機軟件每個類別在測試過程中所使用的數據的頻繁激活神經元集合與非頻繁激活神經元集合；對于某一類的數據，頻繁激活神經元指在神經網絡的運行過程中，該神經網絡的神經元能被大多數正確分類的數據所激活，非頻繁激活神經元則是指神經網絡中除去該類所有頻繁激活神經元外的其他神經元；

(2)將待排序的計算機軟件測試用例輸入神經網絡模型，并按照其激活對應類別的“頻繁激活神經元集合”中神經元的數目與激活“非頻繁激活神經元集合”的數目之比，對計算機軟件測試用例進行優先級排序。

2.根據權利要去1所述的基于神經元激活頻率分析的測試用例優先級排序方法，其特征在于：所述步驟(1)，具體包括以下步驟：

(1-1)獲取以計算機軟件測試用例的訓練數據為輸入時，神經網絡模型倒數第二層的所有神經元的輸出值；

(1-2)將輸出值大于0.0的神經元記為被激活的神經元，按照輸入數據的類別分別計算神經網絡模型倒數第二層的每一個神經元被激活的次數；

(1-3)利用聚類算法，對于每一類的數據，將神經網絡模型倒數第二層的神經元以激活次數為特征進行聚類，將該類數據的神經元聚為兩類，分別是頻繁激活神經元與非頻繁激活神經元；激活頻率高的一類為頻繁激活神經元，激活頻率低的一類為非頻繁激活神經元。

3.根據權利要去1所述的基于神經元激活頻率分析的測試用例優先級排序方法，其特征在于：所述步驟(2)，具體包括以下步驟：

(2-1)獲取神經網絡模型以待排序測試用例為輸入時倒數第二層的所有神經元的輸出值；

(2-2)神經網絡模型輸入測試用例時，計算該測試用例激活該測試用例所屬類別的“頻繁激活神經元集合”中神經元的個數與“非頻繁激活神經元集合”中神經元的個數，分別記為FreNeuron、InFreNeuron；

(2-3)對于所有測試數據按照FreNeuron/(1+InFreNeuron)值進行優先級排序，值越低優先級越高；優先級的具體意義是測試用例被神經網絡識別錯誤的容易程度；神經網絡識別該測試用例越容易出錯，優先級越高，具體表現為FreNeuron/(1+InFreNeuron)值的高低，值越低優先級越高。

4.根據權利要去1所述的基于神經元激活頻率分析的測試用例優先級排序方法，其特征在于：本方法的實施環境為Windows10操作系統，裝有Python3.7解釋器。