一种针对序列决策模型的模糊测试加速方法及装置制造方法及图纸

本发明专利技术公开了一种针对序列决策模型的模糊测试加速方法及装置。本方法为：1)在马尔科夫决策的合法状态空间中随机采样初始状态，得到一个种子语料库；2)对所选要变异的种子施加扰动，根据变异后的种子生成测试用例并将其输入序列决策模型进行模糊测试；3)进程中跳过模块对每一测试用例i进行马尔科夫决策，得到时间步t<subgt;s</subgt;之前每一时间步的观测值构成的序列；根据序列生成该测试用例i的特征向量；4)对测试用例i的特征向量与已完成测试的各测试用例的特征向量进行聚类，判断测试用例i是否为能触发崩溃的测试用例；5)如果一种子的新鲜度低于阈值且累计奖励值低于奖励阈值，则将该种子对应的变异种子加入到种子语料库，否则删除该种子。

【技术实现步骤摘要】

本专利技术属于计算机，涉及需求工程，模糊测试，序列决策，聚类等技术，尤其涉及一种针对序列决策模型的模糊测试的进程内跳过加速的方法及装置。

技术介绍

1、在现实世界中，许多任务可以被视为顺序决策问题，其中任务的完成取决于一系列相互关联的决策，现在做出的决策可以产生即时和长期的影响。最近越来越多的人工智能模型如强化学习和模仿学习等，通过将其建模为马尔可夫决策来解决顺序决策问题。这些模型将与环境交互，即根据从环境反馈中学习的策略逐个时间步地做出决策。它们已广泛应用于一些现实世界的领域，如视频游戏、围棋、机器人、自动驾驶等，并取得了与人类相当甚至超越人类的性能。

2、尽管人工智能模型在解决时序决策问题上的应用越来越多，效果显著，但其可靠性、鲁棒性等质量问题仍面临严峻挑战。人工智能决策失误将带来难以忍受的灾难性后果，尤其是在一些安全关键领域。例如，加州机动车管理局(dmv)要求制造商给出自2014年以来涉及自动驾驶汽车的所有碰撞事件的信息，截至2023年4月14日，dmv已收到581起自动驾驶汽车碰撞报告，带来了巨大的财产损失、身体受伤甚至死亡。因此，对本文档来自技高网...

【技术保护点】

1.一种针对序列决策模型的模糊测试加速方法，其步骤包括：

2.根据权利要求1所述的方法，其特征在于，得到该测试用例i的特征向量的方法为：采用无监督和可扩展的表示学习方法将序列嵌入到一个固定维向量中，作为该测试用例i的特征向量。

3.根据权利要求1或2所述的方法，其特征在于，所述聚类方法为基于分层密度的噪声应用程序空间聚类方法。

4.根据权利要求3所述的方法，其特征在于，通过离线拟合不同时间步的历史状态序列数据确定时间步ts的取值。

5.根据权利要求1所述的方法，其特征在于，根据种子的状态序列与该种子变异后的状态序列的区别度，确定该种子的新鲜...

【技术特征摘要】

1.一种针对序列决策模型的模糊测试加速方法，其步骤包括：

2.根据权利要求1所述的方法，其特征在于，得到该测试用例i的特征向量的方法为：采用无监督和可扩展的表示学习方法将序列嵌入到一个固定维向量中，作为该测试用例i的特征向量。

3.根据权利要求1或2所述的方法，其特征在于，所述聚类方法为基于分层密度的噪声应用程序空间聚类方法。

4.根据权利要求3所述的方法，其特征在于，通过离线拟合不同时间步的历史状态序列数据确定时间步ts的取值。

5.根据权利要求1所述的方法，其特征在于，根据种子的状态序列与该种子变异后的状态序列的区别度，确定该种子的新鲜度。

【专利技术属性】
技术研发人员：王亚文，王凯锐，王俊杰，王青，
申请(专利权)人：中国科学院软件研究所，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人