[发明专利]基于ANN的程序检测方法和检测系统及应用

说明书

本方案涉及软件测试领域的一种基于ANN的程序测试方法；针对功能可完成，代码能正常运行的目标程序进行测试，包括先通过人工神经网络构建测试模型，然后取目标程序的输入值输入到测试模型中，根据该测试模型的计算得到测试输出值；再然后，输入值输入到目标程序和测试模型中，得到实际输出值和测试输出值；选出两者的偏差量，将选出的输入值传递到目标程序进行运行，运行结果与实际功能需求进行对比，如果运行结果有其一与实际功能需求不符合，则判定目标程序存在缺陷。当目标程序具体代码规格和实现需求均不知晓的情况，采用本检测方法可以很好的得到准确的测试用例，减少了测试过程的资源消耗。

技术领域

本发明属于软件检测技术，具体涉及到软件功能错误检测方法和构建软件检测模型的系统。

背景技术

软件测试是用来促进鉴定软件的正确性、完整性、安全性和质量的过程。换句话说，软件测试是一种实际输出与预期输出之间的审核或者比较过程。

现在的软件测试经过长期人们经验积累和技术的改进，基本上形成了：静态测试方法、动态测试方法、黑盒测试方法和白盒测试方法；四种测试方式针对不同的软件有相应的优势。在实际运用过程中经常是混合测试，对于简单程序也可单独测试。四种测试方式具体的作用和概念为公知技术，在此不再赘述。

其中，黑盒测试是针对软件功能是否达到预期来进行检测，通过数据输入观察数据输出，检查软件内部功能是否正常。为了尽可能判断出软件功能实现是正确的或者存在错误的结果。从理论上讲，黑盒测试只有采用穷举输入测试，把所有可能的输入都作为测试情况考虑，才能查出程序中所有的错误。实际上测试情况有无穷多个，人们不仅要测试所有合法的输入，而且还要对那些不合法但可能的输入进行测试。这样看来，完全测试是不可能的，所以我们要进行有针对性的测试，通过制定测试案例指导测试的实施，保证软件测试有组织、按步骤，以及有计划地进行。黑盒测试行为必须能够加以量化，才能真正保证软件质量，而测试用例就是将测试行为具体量化的方法之一。

测试用例在构建过程中，我们需要了解软件实现的功能是什么，并且需要知道软件的规则，也就是由于功能点较多，需要根据功能来构建测试案例，编写测试用例文档应有文档模板，须符合内部的规范要求。

设计基本事件的用例，应该参照用例规约(或设计规格说明书)，根据关联的功能、操作按路径分析法设计测试用例。如何灵活运用各种基该方法来设计完整的测试用例，需要很强的逻辑性和专业性，现在要设计出准确的测试用例，全凭测试设计人员的丰富经验和精心设计。

随着人工神经网络的概念出现，研究人员也将该概念逐渐应用于软件测试领域中，人工神经网络具有“自我学习”的能力，现在用神经网络用于软件检测，用途主要是在形成准确的测试用例上，如作者“吕珊珊”在其硕士论文“基于BP神经网络软件测试缺陷预测技术研究及应用”中提到，采用BP神经网络对软件进行测试，该文中的研究重点是通过对一段算法程序(函数)采用人工神经网络的概率通过对该算法程序的输入和输出值形成“输入输出值集合”，将输入输出值集合作为构建人工神经网络的基础，这样形成的“人工神经网络模型”与被测的“算法程序”具有相同的功能。

该文献的观点虽然很好的证明了通过“人工神经网络”构建的模型在功能上可以等价于提供“输入输出集合”的“算法程序”；但是要用于检测一个功能未知、结构未知、程序复杂程度未知的“算法程序”是否有错误，该文献还没有给出指导方向，用上述方法也无法得到测试用例。

在实际工程应用中，要加快“软件”尽快推入市场”，企业可以将“软件测试”环节外包给专门进行“软件测试”的机构完成，由于知识产权意识逐渐在人们心中受到重视。在外包过程中，其实是不希望将“源代码”和“需求规格”交给软件测试机构的，基于此，可对“源代码”进行加密，检测机构只能进行类似“黑盒检测”方式检测“源代码”的功能是否正确。

被测“源代码”在后面的文章中也称目标程序。