面向星载智能软件神经网络模型的可靠性评价方法及系统技术方案

本发明专利技术提供了一种面向星载智能软件神经网络模型的可靠性测试评价方法及系统，针对现有神经网络模型输出结果的可靠性难以评估的问题。本发明专利技术方法包括可靠性测试流程和度量指标计算，其中根据神经网络模型在测试过程中获取的神经元覆盖率，以及蜕变测试、变异测试、对抗测试中的各项指标，提出一种基于置信区间的可靠性综合度量方法。该置信区间的中心表示模型本身的可靠性，区间长度表示可靠性测试的置信程度，这种概率化的度量方法能够指导神经网络模型的重训练，使置信区间和置信中心稳步提升，同时反映神经网络在不同输入场景下表现的波动范围，进而综合评估神经网络模型的可靠性水平。

【技术实现步骤摘要】

本专利技术涉及航天软件可靠性测试领域，具体地，涉及一种面向星载智能软件神经网络模型的可靠性测试评价方法及系统。

技术介绍

1、在航天领域，卫星所处的空间运行环境极为特殊，不仅要承受极端温度、辐射等空间环境因素的考验，还面临着日益严峻的电子对抗环境。随着卫星互联网星座的逐步建立，在轨卫星数量持续攀升，卫星遥感数据采集正朝着多平台、多角度以及多传感器的方向发展。这一趋势使得多源信息在轨处理需求大幅增加，星载智能应用软件的体量也随之不断上升。在此背景下，星载软件的可靠性保证变得愈发关键。

2、传统的软件质量评估主要聚焦于功能正确性、效率、兼容性等常规指标。然而，这些指标在航天这样的特殊场景下，并不能为实际应用提供充分保障。星载智能软件大多借助开源深度学习框架，如pytorch、tensorflow来完成，当前多以准确率来评价算法性能。但在复杂的航天环境中，单一的准确率指标远远不足以确保软件在实际运行中的可靠性。

3、特别是卫星领域基于目标检测识别的智能软件，在轨空间环境的不确定性、遥感成像探测器性能的局限性，以及探测目标可能面临的对抗攻击本文档来自技高网...

【技术保护点】

1.一种面向星载智能软件神经网络模型的可靠性测试评价方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种面向星载智能软件神经网络模型的可靠性测试评价方法，其特征在于，所述步骤S1包括如下子步骤：

3.根据权利要求2所述的一种面向星载智能软件神经网络模型的可靠性测试评价方法，其特征在于，所述测试指标包括蜕变测试因子、变异测试因子和对抗攻击成功率，所述步骤S2包括如下子步骤：

4.根据权利要求3所述的一种面向星载智能软件神经网络模型的可靠性测试评价方法，其特征在于，所述步骤S2.1包括如下子步骤：

5.根据权利要求4所述的一种面向星载...

【技术特征摘要】

1.一种面向星载智能软件神经网络模型的可靠性测试评价方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种面向星载智能软件神经网络模型的可靠性测试评价方法，其特征在于，所述步骤s1包括如下子步骤：

3.根据权利要求2所述的一种面向星载智能软件神经网络模型的可靠性测试评价方法，其特征在于，所述测试指标包括蜕变测试因子、变异测试因子和对抗攻击成功率，所述步骤s2包括如下子步骤：

4.根据权利要求3所述的一种面向星载智能软件神经网络模型的可靠性测试评价方法，其特征在于，所述步骤s2.1包括如下子步骤：

5.根据权利要求4所述的一种面向星载智能软件神经网络模型的可靠性测试评价方法，其特征在于，所述步骤...

【专利技术属性】
技术研发人员：张鑫，张海，姜海坚，司马翔怡，黄小杰，
申请(专利权)人：上海卫星工程研究所，
类型：发明
国别省市：