一种基于孪生网络的对抗生成模型的测试数据生成方法技术

本发明专利技术提供一种基于孪生网络的对抗生成模型的测试数据生成方法。该方法包括：构建一个对抗生成模型，包括生成器和判别器，判别器由一个孪生网络构成；训练对抗生成模型，具体为：获取由真实图像组成的样本集合，并利用生成器将输入的随机噪声转换为生成图像；将获取的真实图像和生成器输出的生成图像分别作为判别器的输入，并使用对比损失函数训练判别器；保持判别器的参数不变，将生成图像的标签设置为真实图像的标签，再次将更改标签后的生成图像送入判别器进行判断；将判别器的判别结果的误差进行反向传播以指导生成器的训练；对生成器和判别器进行交替训练，得到最优的对抗生成模型，利用最优的对抗生成模型生成测试用的图像数据。的图像数据。的图像数据。

【技术实现步骤摘要】
一种基于孪生网络的对抗生成模型的测试数据生成方法


[0001]本专利技术涉及软件测试数据生成
，尤其涉及一种基于孪生网络的对抗生成模型的测试数据生成方法。

技术介绍

[0002]机器学习系统的应用越来越广泛，给各种应用带来的风险也越来越高。为了提高机器学习系统的质量，有必要对机器学习系统进行测试。测试数据生成是软件测试技术的重要组成部分。目前，软件测试中的测试数据主要依靠人工创建，这是一项费时费力的工作，将严重延长测试周期，增加测试成本。测试数据的自动生成可以有效地解决上述问题，提高软件测试的整体效率。
[0003]目前大数据背景下机器学习系统测试数据获取的主流方法是仿真数据生成技术，如用于Web搜索引擎自动测试数据生成方法，基于遗传算法的测试数据生成方法和基于改进鱼群算法的路径测试数据生成方法等，都是针对传统的软件测试技术，自动化生成满足需求的测试用例数据。传统的数据生成技术，主要是针对传统软件测试中测试数据尽可能少以及测试基准数据应该覆盖更广泛的业务类型两个基本要求进行测试用例生成，近年来大数据的发展促使一些大规模仿真数据生成本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于孪生网络的对抗生成模型的测试数据生成方法，其特征在于，包括：步骤1：构建一个对抗生成模型，包括生成器和判别器，所述判别器由一个孪生网络构成；步骤2：训练所述对抗生成模型，具体为：步骤2.1：获取由真实图像组成的样本集合，并利用所述生成器将输入的随机噪声转换为生成图像；步骤2.2：将获取的真实图像和所述生成器输出的生成图像分别作为所述判别器的输入，并使用对比损失函数训练所述判别器；步骤2.3：保持所述判别器的参数不变，将生成图像的标签设置为真实图像的标签，再次将更改标签后的生成图像送入所述判别器进行判断；步骤2.4：将所述判别器的判别结果的误差进行反向传播以指导所述生成器的训练；步骤2.5：按照步骤2.1至步骤2.4对所述生成器和所述判别器进行交替训练，得到最优的对抗生成模型，利用最优的对抗生成模型生成测试用的图像数据。2.根据权利要求1所述的一种基于孪生网络的对抗生成模型的测试数据生成方法，其特征在于，所述生成器由一个8层的神经网络构成；其中：第一层的输入为100维的随机向量；第二层的输出为1024维的向量；第三层至第八层均为2
×
2的反卷积层，第三层至第八层的输出图像的大小依次为：512
×3×
3，256
×6×
6，128
×
12
×
12，64
×
24
×
24，32
×
48
...

【专利技术属性】
技术研发人员：侯雪梅，周刚，高飞，刘洪波，张凤娟，吴建萍，
申请(专利权)人：中国人民解放军战略支援部队信息工程大学，
类型：发明
国别省市：