鸿蒙系统上测试自动化和安全检测优化方法技术方案

本发明专利技术提出鸿蒙系统上测试自动化和安全检测优化方法

【技术实现步骤摘要】
鸿蒙系统上测试自动化和安全检测优化方法、装置和介质


[0001]本专利技术涉及自动化测试及安全检测领域，具体涉及一种鸿蒙系统上测试自动化和安全检测优化方法
、
装置和介质
。

技术介绍

[0002]华为鸿蒙系统（英文：
HUAWEI Harmony OS
）是一款基于微内核的面向全场景的分布式操作系统，现有的鸿蒙系统自动化测试工具，无法很好识别组件，导致自动化用例执行成功率低，无法满足日常使用
。
现有鸿蒙系统测试用例主要通过手动编码完成，效率较低，且不支持远程控制设备进行录制回放；现有的鸿蒙系统的方案鲁棒性较差，不同分辨率场景适配性差
。
并且现有技术中自动化测试工具由于经常会基于远程连接控制实现
,
如果控制通道被入侵
,
会导致更高的安全风险
,
不仅测试数据可能泄露
,
存在被远程执行破坏操作的危险
。
[0003]并且现有安全入侵检测手段无法有效识别高级持续性恶意代码；鸿蒙应用程序有可能存在安全漏洞风险，可能导致数据泄露，如何通过保证远程连接控制的安全性的同时实现测试自动化是我们关注的问题
。

技术实现思路

[0004]有鉴于此，本专利技术提供了一种鸿蒙系统上测试自动化和安全检测的方法，应用于服务器，包括：远程连接鸿蒙智能终端，建立控制通道，并向浏览器发送所述鸿蒙智能终端的实时画面；接收浏览器发送的操控指令，解析后通过所述控制通道对终端进行操控；接收录制开始命令，开启自动化测试用例的录制过程，录制用户的鼠标键盘操作，生成对应的第一自动化测试用例；通过所述控制通道，获取鸿蒙智能终端上运行的网络协议报文数据，通过
CNN
‑
LSTM
神经网络模型判断是否存在安全异常
。
[0005]特别地，其中向浏览器发送所述鸿蒙智能终端的实时画面包括：对终端的实时画面进行截图，通过
WebSocket
将截图传输给所述浏览器；所述浏览器发送的操控指令包括：根据所述浏览器实时展示的所述鸿蒙智能终端的实时画面，监控用户对所述实时画面的操作
。
[0006]特别地，所述生成自动化测试用例包括：将测试用例中的静态输入值设计为参数，运行时根据需要传入不同的参数值；使用图像识别算法获取界面元素的位置，根据识别结果动态生成界面元素的坐标；计算该界面元素相对于其所在界面或该界面元素相对于其上一级界面组件的偏移，实现对不同分辨率的适配
。
[0007]特别地，通过识别界面中出现的文字信息
、
图像中出现的文字信息
、
特定的图像信息确定所述第一自动化测试用例是否被执行成功
。
[0008]特别地，所述获取鸿蒙智能终端上运行的网络协议报文数据，通过
CNN
‑
LSTM
神经
网络模型判断是否存在安全异常包括：采集所述鸿蒙智能终端上运行的工业网络协议报文数据和所述协议报文数据之间的时间特征信息，对所述报文数据进行
one
‑
hot
编码及归一化处理；对所述时间特征信息转换为数字特征并进行归一化处理，将归一化处理结果输入所述
CNN
‑
LSTM
神经网络模型
。
[0009]在
CNN
‑
LSTM
神经网络模型训练过程中，
CNN
模块通过卷积核学习协议报文中的地址
、
数据格式
、
字段语义；
LSTM
模块按时间步输入报文序列，学习报文间时间关系和字段语义概率特征；
CNN
‑
LSTM
神经网络模型中的
Softmax
分类器接收来自
CNN
和
LSTM
的多维特征，根据概率阈值将协议报文数据划分为正常和异常报文；输出报文划分结果，不断迭代直至训练完成；输入新报文，所述
CNN
‑
LSTM
神经网络模型根据不同字段的语义概率分布，得到是否存在安全异常的结果
。
[0010]特别地，在所述
CNN
‑
LSTM
神经网络模型中设置第一权重比例参数；通过所述第一权重比例参数控制报文空间特征和时间特征的权重比例
。
[0011]特别地，在所述
CNN
‑
LSTM
神经网络模型中增加多层全连接网络作为融合层，输入协议报文数据特征向量和报文时间特征向量；全连接层中使用非线性激活函数；通过多层非线性变换，学习所述协议报文数据特征向量和报文时间特征向量的复杂非线性融合，输出新的特征表示；在融合层引入注意力权重向量，通过
softmax
分类器进行归一化处理
。
[0012]特别地，将所述注意力权重向量和特征向量共同作为所述融合层输入，通过反向传播训练更新注意力权重向量的取值；所述注意力权重向量对所述报文空间特征和时间特征的融合进行动态加权控制
。
[0013]本专利技术还提出一种鸿蒙系统上测试自动化和安全检测优化的装置，包括：远程控制模块，用于远程连接鸿蒙智能终端，建立控制通道，并向浏览器发送所述鸿蒙智能终端的实时画面；接收浏览器发送的操控指令，解析后通过所述控制通道对终端进行操控；自动化测试用例生成模块，用于接收录制开始命令，开启自动化测试用例的录制过程，录制用户的鼠标键盘操作，生成对应的第一自动化测试用例；安全检测模块，用于通过所述控制通道，获取鸿蒙智能终端上运行的网络协议报文数据，通过
CNN
‑
LSTM
神经网络模型判断是否存在安全异常
。
[0014]本专利技术还提出一种存储介质，所述存储介质上存储基于鸿蒙系统上测试自动化和安全检测优化的程序，所述程序被处理器执行时实现所述的鸿蒙系统上测试自动化和安全检测优化的方法
。
[0015]有益效果
1、
通过建立远程控制通道结合两种检测方法
,
既可快速自动地完成大规模功能验证
,
又可持续监测系统安全状态
。
保证远程连接控制的安全性的同时实现测试自动化
,
在全面提高测试效率的同时
,
也形成对鸿蒙系统功能正确性与安全性的双重验证与检测
,
大幅提升系统的测试覆盖率与质量，达到检测优化的目的
。
[0016]2、
引入图像识别
、
参数化等技术手段，提升了测试用例的适配性，增强用例稳定性
。
[0017]3、
支持文本和图片多模式验证，提高了测试判定的准确率，减少误判
。
[0018]4、
应本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种鸿蒙系统上测试自动化和安全检测的优化方法，应用于服务器，其特征在于，包括：远程连接鸿蒙智能终端，建立控制通道，并向浏览器发送所述鸿蒙智能终端的实时画面；接收浏览器发送的操控指令，解析后通过所述控制通道对终端进行操控；所述测试自动化的优化过程通过接收录制开始命令，开启自动化测试用例的录制过程，录制用户的鼠标键盘操作，生成对应的第一自动化测试用例；所述安全检测的优化过程通过所述控制通道，获取鸿蒙智能终端上运行的网络协议报文数据，通过
CNN
‑
LSTM
神经网络模型判断是否存在安全异常
。2.
如权利要求1所述的鸿蒙系统上测试自动化和安全检测的优化方法，其特征在于，其中向浏览器发送所述鸿蒙智能终端的实时画面包括：对终端的实时画面进行截图，通过
WebSocket
将截图传输给所述浏览器；所述浏览器发送的操控指令包括：根据所述浏览器实时展示的所述鸿蒙智能终端的实时画面，监控用户对所述实时画面的操作
。3.
如权利要求2所述的鸿蒙系统上测试自动化和安全检测的优化方法，其特征在于，所述生成自动化测试用例包括：将测试用例中的静态输入值设计为参数，运行时根据需要传入不同的参数值；使用图像识别算法获取界面元素的位置，根据识别结果动态生成界面元素的坐标；计算该界面元素相对于其所在界面或该界面元素相对于其上一级界面组件的偏移，实现对不同分辨率的适配
。4.
如权利要求3所述的鸿蒙系统上测试自动化和安全检测的优化方法，其特征在于，通过识别界面中出现的文字信息
、
图像中出现的文字信息
、
特定的图像信息确定所述第一自动化测试用例是否被执行成功
。5.
如权利要求1所述的鸿蒙系统上测试自动化和安全检测的优化方法，其特征在于，所述获取鸿蒙智能终端上运行的网络协议报文数据，通过
CNN
‑
LSTM
神经网络模型判断是否存在安全异常包括：采集所述鸿蒙智能终端上运行的工业网络协议报文数据和所述协议报文数据之间的时间特征信息，对所述报文数据进行
one
‑
hot
编码及归一化处理；对所述时间特征信息转换为数字特征并进行归一化处理，将归一化处理结果输入所述
CNN
‑
LSTM
神经网络模型；在
CNN
‑
LSTM
神经网络模型训练过程中，
CNN
模块通过卷积核学习协议报文中的地址
、
数据格式
、
字段语义；
LST...

【专利技术属性】
技术研发人员：王晓军，李成哲，孙国栋，汪旭，李晶晶，
申请(专利权)人：中国兵器装备集团兵器装备研究所，
类型：发明
国别省市：