本发明公开了一种基于梯度下降优化的模糊测试方法,本方法基于已有的部分测试用例进行梯度求解,已有的测试用例可以根据现有的模糊测试工具生成,并根据测试用例集对基于梯度的平滑神经网络模型进行训练,反向传播确定网络中的权值,基于训练完成的网络模型对每个字节进行梯度求解,对梯度绝对值最大的字节进行变异,生成新的测试用例对神经网络模型反馈进行强化学习。本方法能够让模糊测试用例的变异方向不再随机化,而是生成触发漏洞导向的变异样本,实现更高效的测试用例生成,减少冗余的测试用例对测试产生影响。
声明:
“基于梯度下降优化的模糊测试方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)