[发明专利]一种基于强化学习的模糊测试用例自适应变异方法和装置有效
| 申请号： | 201910416959.6 | 申请日： | 2019-05-20 |
| 公开（公告）号： | CN110175120B | 公开（公告）日： | 2020-11-27 |
| 发明（设计）人： | 胡昌振;王夏菁;马锐;赵鹏飞;贺金媛 | 申请（专利权）人： | 北京理工大学 |
| 主分类号： | G06F11/36 | 分类号： | G06F11/36 |
| 代理公司： | 北京理工大学专利中心 11120 | 代理人： | 温子云 |
| 地址： | 100081 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于强化学习的模糊测试用例自适应变异方法和装置，该方法选择与待变异测试用例类型对应的变异操作组进行自适应变异的学习，从而能够有针对性地选择变异策略，进而实现更为细粒度的变异操作；本发明进一步采用类型信息和变异操作组成上下文信息输入单步强化学习模型，单步强化学习模型将不同变异操作的选择问题转化为多臂赌博机问题中不同摇臂的选择，使用上下文相关的置信区间上界算法LinUCB进行自适应变异操作的学习，以实现不同类型场景下的变异操作自适应学习，从而采用能够获得更高路径覆盖率的变异操作进行测试用例变异，提高模糊测试自适应变异的效率和质量。 | ||
| 搜索关键词： | 一种 基于 强化 学习 模糊 测试 自适应 变异 方法 装置 | ||
【主权项】：
1.一种基于强化学习的模糊测试用例自适应变异方法，其特征在于，包括：加载待变异测试用例，对目标二进制程序进行分析，获得待变异测试用例的类型信息；参考预先总结的类型信息与变异操作的映射关系，利用与待变异测试用例的类型信息对应的变异操作，形成变异操作组；类型信息与变异操作组中的每个变异操作形成一个上下文信息，向量化得到特征向量xt,a，将待变异测试用例与形成的各特征向量xt,a输入单步强化学习模型；单步强化学习模型将不同变异操作的选择问题转化为多臂赌博机问题中不同摇臂的选择，使用上下文相关的置信区间上界算法LinUCB进行自适应变异操作的学习，以实现不同类型场景下的变异操作自适应学习，采用能够获得更高路径覆盖率的变异操作进行测试用例变异。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京理工大学，未经北京理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910416959.6/，转载请声明来源钻瓜专利网。
