[发明专利]基于粒子群优化的模糊测试变异调度方法和系统

权利要求书

1.一种基于粒子群优化的模糊测试变异调度方法，其特征在于，包括以下步骤：

(1)以突变算法的选择概率为粒子位置，配置初始参数，随机生成多个粒子群；

(2)分别采用每个粒子群的位置分布作为突变算法的选择概率分布进行模糊预测试，记录每一种突变算法对有价值输入文件的发现效率；

(3)根据步骤(2)的模糊预测试结果，选择对有价值输入文件发现效率最高的粒子群，将该粒子群的位置分布作为突变算法的最佳选择概率分布，根据最佳选择概率分布选择突变算法对待测软件进行模糊测试，挖掘待测软件的漏洞；

(4)根据每种突变算法的有价值输入文件的发现效率，对每个粒子群的位置分布进行算法迭代优化，生成新的粒子群；

(5)重复步骤(2)-(4)，直至模糊测试结束。

2.根据权利要求1所述的基于粒子群优化的模糊测试变异调度方法，其特征在于，步骤(1)中初始配置的参数包括：每个粒子的位置、速度、本地最优位置以及全局最优位置。

3.根据权利要求1所述的基于粒子群优化的模糊测试变异调度方法，其特征在于，步骤(1)包括：

(1-1)对每个粒子群中粒子的初始位置进行随机赋值，再对一个粒子群中所有粒子的位置进行标准化，使其位置的总和为1；

(1-2)对每个粒子群中粒子的初始速度、初始本地最优位置、初始全局最优位置进行赋值。

4.根据权利要求3所述的基于粒子群优化的模糊测试变异调度方法，其特征在于，步骤(1-2)中，将每个粒子群中粒子的初始速度赋值为0.1、初始本地最优位置赋值为0.5、初始全局最优位置赋值为0.5。

5.根据权利要求1所述的基于粒子群优化的模糊测试变异调度方法，其特征在于，步骤(2)包括：

(2-1)尝试使用当前粒子群的位置分布作为突变算法的选择概率分布，对待测软件进行模糊预测试，记录每个突变算法的有价值输入文件的发现效率；

(2-2)重复步骤(2-1)，直至所有粒子群完成预测试。

6.根据权利要求1所述的基于粒子群优化的模糊测试变异调度方法，其特征在于，步骤(4)中，对每个粒子群的位置分布进行优化包括：

(4-1)一个粒子群中，若粒子当前的有价值输入文件的发现效率高于该粒子记录的本地最优位置相应的有价值输入文件的发现效率，则将该粒子当前的位置迭代为该粒子本地最优位置，并记录下该粒子当前的有价值输入文件的发现效率；

(4-2)根据上一轮中，每个突变算法所挖掘的有价值输入文件的数量和所有突变算法发现的有价值输入文件的总数量，计算每一种突变算法的全局最优位置，迭代为突变算法的全局最优位置；

(4-3)根据步骤(4-1)和(4-2)求得的本地最优位置和全局最优位置，分别根据公式①和公式②对每个粒子的速度和位置进行迭代：

v_now←wight×v_now+rand×(L_best-x_now)+rand×(G_best-x_now). ①

x_now←x_now+v_now. ②

其中，v_now为粒子的速度，x_now为粒子的位置，L_best为粒子的本地最优位置，G_best为粒子的全局最优位置，wight为v_now的权重值，rand为(0，1)中的随机值；

(4-4)对步骤(4-3)中求得的每个粒子群中粒子的位置进行标准化，使得一个粒子群中所有粒子的位置总和为1。

7.一种基于粒子群优化的模糊测试变异调度系统，其特征在于，包括：

粒子群算法初始化模块，以突变算法的选择概率为粒子位置，配置初始参数，随机生成多个粒子群；

试用模糊检测模块，分别采用每个粒子群的位置分布作为突变算法的选择概率分布，对待测软件进行模糊预测试，记录每一种突变算法对有价值输入文件的发现效率；

核心模糊检测模块，根据模糊预测试结果，选择对有价值输入文件发现效率最高的粒子群，将该粒子群的位置分布作为突变算法的最佳选择概率分布，根据最佳选择概率分布选择突变算法对待测软件进行模糊测试，挖掘待测软件的漏洞；

粒子群优化算法迭代模块，根据每种突变算法的有价值输入文件的发现效率，对每个粒子群的位置分布进行算法迭代优化，生成新的粒子群，输入至试用模糊检测模块进行模糊预测试。