【技术实现步骤摘要】
本专利技术涉及深度学习领域，具体涉及一种基于模糊测试的深度学习库缺陷检测方法、设备和介质。
技术介绍
1、现有的基于模糊测试对深度学习库开展缺陷检测的研究主要分为两类：接口级和模型级。接口级的方法以库接口为测试主体，这类方法通常通过爬虫或约束提取来获取接口种子样本，而后通过搜索或优化算法来生成更多的测试用例，并且使用测试预言方案来判断接口在测试用例上的输出是否存在异常，模型级的方法则以模型为测试用例，通过变异种子模型生成更多的模型。在多个深度学习库中实现这些模型，比较同一模型在多个库的输出结果是否存在不一致，从而判断深度学习库中是否存在缺陷。
2、以comet和muffin为例，comet提出三个覆盖指标和多种层参数变异策略，通过改变现有流行模型来生成新模型，并提出一种启发式策略来引导模型朝着放大误差的方向生成，并在模型预测阶段检测库缺陷；muffin基于有向无环图生成模型结构，并设计了一种层选择方法，通过选择以前很少使用的层来产生模型，并在训练阶段记录每个模型的误差来检测深度学习库缺陷。comet和muffin方法都取得了...
【技术保护点】
1.一种基于模糊测试的深度学习库缺陷检测方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，定义变异策略来变异生成的模型；所述变异策略包括参数值变异策略和权重变异策略；所述参数值变异策略包括值变异、边界值变异以及输入类型变异；所述权重变异策略包括噪声模糊、权重缩放以及权重旋转；
3.如权利要求1或2所述的方法，其特征在于,在前向计算阶段，比较层l和其后一层ls输出结果的差异，如果层l或者其后一层ls在两个库中运行的输出结果相差较大时，就认为存在不一致；
4.如权利要求1或2所述的方法，其特征在于,给待选层挑选合适的模型...
【技术特征摘要】
1.一种基于模糊测试的深度学习库缺陷检测方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，定义变异策略来变异生成的模型；所述变异策略包括参数值变异策略和权重变异策略；所述参数值变异策略包括值变异、边界值变异以及输入类型变异；所述权重变异策略包括噪声模糊、权重缩放以及权重旋转；
3.如权利要求1或2所述的方法，其特征在于,在前向计算阶段，比较层l和其后一层ls输出结果的差异，如果层l或者其后一层ls在两个库中运行的输出结果相差较大时，就认为存在不一致；
4.如权利要求1或2所述的方法，其特征在于,给待选层挑选合适的模型层来构造候选层池，候选层池中的每一个候选层必须满足上一层的输出约束条件包括：
5.如权利要求1或2所述的方法，其特征在于，基于有向无环图生成模型...
【专利技术属性】
技术研发人员：单纯，廖书妍，李颖，袁政，徐灵龙，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。