[發(fā)明專利]一種面向自動駕駛軟件系統(tǒng)激光雷達(dá)的分布式模糊測試方法

在審

• 申請?zhí)枺?/td>: 202010714657.X
• 申請日: 2020-07-23
• 公開（公告）號: CN111881032A
• 公開（公告）日: 2020-11-03
• 發(fā)明（設(shè)計(jì)）人: 陳振宇;張曉波;郭安;夏志龍
• 申請（專利權(quán)）人: 深圳慕智科技有限公司
• 主分類號: G06F11/36
• 分類號: G06F11/36
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明通過模糊測試技術(shù)來實(shí)施自動駕駛軟件系統(tǒng)的自動化測試評估，主要采用了分布式點(diǎn)云數(shù)據(jù)生成和測試技術(shù)，特征是能夠高效進(jìn)行自動化測試用例生成、自動駕駛軟件系統(tǒng)評估以及測試報(bào)告的生成。在具體流程中使用基于模糊引導(dǎo)的測試數(shù)據(jù)生成、分布式技術(shù)、點(diǎn)云數(shù)據(jù)分析、點(diǎn)云格式轉(zhuǎn)換、數(shù)據(jù)度量、系統(tǒng)評估以及報(bào)告生成技術(shù)，通過分布式架構(gòu)實(shí)現(xiàn)大規(guī)模高效測試，并基于構(gòu)建蛻變關(guān)系評估模型缺陷，最終完成對自動駕駛系統(tǒng)的安全度評價(jià)。

技術(shù)領(lǐng)域

本發(fā)明屬于軟件測試領(lǐng)域，特別是涉及到模糊測試技術(shù)。以分布式架構(gòu)，針對自動駕駛軟件系統(tǒng)激光雷達(dá)進(jìn)行測試用例生成，對自動駕駛軟件系統(tǒng)進(jìn)行測試評估，同時(shí)進(jìn)行監(jiān)控并最終生成測試報(bào)告。

背景技術(shù)

模糊測試（Fuzzing）是目前最流行的漏洞發(fā)現(xiàn)技術(shù)。Fuzzing測試作為一種自動化的軟件測試技術(shù)，它提供不符合人類邏輯但是被解析器接受的大量隨機(jī)數(shù)據(jù)作為程序輸入，以發(fā)現(xiàn)程序內(nèi)部異常。與其他技術(shù)相比，F(xiàn)uzzing易于部署，具有良好的可擴(kuò)展性和適用性，并且可以在有或沒有源代碼的情況下執(zhí)行。 此外，由于模糊測試是在實(shí)際執(zhí)行過程中進(jìn)行的，因此具有較高的準(zhǔn)確性。更重要的是，F(xiàn)uzzing只需要很少的目標(biāo)應(yīng)用程序知識，可以很容易地?cái)U(kuò)展到大規(guī)模應(yīng)用程序。特別在機(jī)器學(xué)習(xí)系統(tǒng)中，F(xiàn)uzzing能大大提高測試的效率和覆蓋率。然而，模糊的隨機(jī)性和盲目性導(dǎo)致了查找錯(cuò)誤的低效率與資源浪費(fèi)，研究者謀求（1）如何采取更好的突變策略以節(jié)約資源；(2)如何在測試中定位代碼的關(guān)鍵位置；（3）如何以更高效的架構(gòu)進(jìn)行測試。

在自動駕駛系統(tǒng)中，目標(biāo)識別、分類和決策等均是使用了機(jī)器學(xué)習(xí)CNN算法。例如，攝像頭在對圖像分類過程以及激光雷達(dá)對點(diǎn)云數(shù)據(jù)的目標(biāo)檢測過程中均使用的是機(jī)器學(xué)習(xí)中的神經(jīng)網(wǎng)絡(luò)算法，自主決策控制模塊則很大程度上應(yīng)用了機(jī)器學(xué)習(xí)的知識，并能在車輛的行駛中不斷學(xué)習(xí)和強(qiáng)化已有的決策能力。自動駕駛作為神經(jīng)網(wǎng)絡(luò)中“性命攸關(guān)”的領(lǐng)域，對程序安全性提出了極高的要求，擁有覆蓋面廣，安全度高且高效率的測試方法是自動駕駛軟件系統(tǒng)研究中極為重要的一環(huán)。

目前模糊測試在自動駕駛軟件系統(tǒng)中的應(yīng)用還存在諸多限制，首先傳統(tǒng)模糊測試所使用的傳統(tǒng)字節(jié)級別的變異技術(shù)對具有高結(jié)構(gòu)化的輸入類型影響較小，無法對巨大的輸入域空間進(jìn)行充分覆蓋，另外，不同于傳統(tǒng)軟件，自動駕駛軟件系統(tǒng)涉及到多種傳感器數(shù)據(jù)的感知與分析，其不僅輸入數(shù)據(jù)形式多樣，而且測試所需數(shù)據(jù)量龐大，測試和評估所需時(shí)間資源較多，如何針對這些類型傳感數(shù)據(jù)建立也是一套高效的自動化測試方法是很大的挑戰(zhàn)。

因此，本項(xiàng)目擬研究針對自動駕駛軟件系統(tǒng)激光雷達(dá)的分布式模糊測試技術(shù)，對自動駕駛軟件系統(tǒng)進(jìn)行自動化測試，通過分布式架構(gòu)實(shí)現(xiàn)高效測試，最終完成對自動駕駛系統(tǒng)的安全度評價(jià)。

發(fā)明內(nèi)容

本發(fā)明要解決的問題是：自動駕駛軟件系統(tǒng)測試效率低下，難以進(jìn)行快速的自動化迭代測試的問題。本專利的發(fā)明能夠自動化進(jìn)行測試用例生成、測試評估和報(bào)告生成，并通過分布式架構(gòu)，以實(shí)現(xiàn)高效的測試迭代，解決自動駕駛軟件系統(tǒng)測試效率低的問題。

本發(fā)明的技術(shù)方案為：一種面向自動駕駛軟件系統(tǒng)激光雷達(dá)的分布式模糊測試方法，其特征是能夠高效進(jìn)行自動化測試用例生成、自動駕駛軟件系統(tǒng)評估以及測試報(bào)告的生成。該方法包含以下三個(gè)模塊。

用例生成模塊：

Fuzzing測試是一個(gè)無限空間的測試，邏輯上講可以有無限個(gè)測試用例，為了有效的測試被測對象，必須對隨機(jī)用例的生成做一些限制，即在一定的范圍內(nèi)生成測試用例。針對自動駕駛激光雷達(dá)，我們采用規(guī)則和變異的方法來進(jìn)行測試用例生成，通過構(gòu)建生成規(guī)則來生成特定場景的激光雷達(dá)點(diǎn)云數(shù)據(jù)，例如雨、雪和霧等，再通過變異進(jìn)行微調(diào)，達(dá)到更高的覆蓋率。

測試評估模塊：