隨著深度學(xué)習(xí)系統(tǒng)的發(fā)展,越來(lái)越多的領(lǐng)域開始大規(guī)模使用深度神經(jīng)網(wǎng)絡(luò)。所以全面測(cè)試以確保深度神經(jīng)網(wǎng)絡(luò)的魯棒性很重要�？勺儚�(qiáng)度組合測(cè)試作為一種有效的軟件測(cè)試技術(shù),能夠檢測(cè)參數(shù)間不同力度的交互作用產(chǎn)生的故障。測(cè)試用例優(yōu)先級(jí)技術(shù)充分考慮測(cè)試用例的重要程度,使得具有高優(yōu)先級(jí)的測(cè)試用例被盡早執(zhí)行,從而在資源受限的情況下提高測(cè)試效率。在本文中提出了兩種測(cè)試用例優(yōu)先級(jí)技術(shù)分別為基于可變強(qiáng)度組合覆蓋的測(cè)試用例優(yōu)先級(jí)技術(shù)和基于神經(jīng)元行為模式的測(cè)試用例優(yōu)先級(jí)技術(shù)。通過(guò)實(shí)驗(yàn)對(duì)兩種測(cè)試用例優(yōu)先級(jí)技術(shù)的對(duì)抗樣本檢測(cè)能力進(jìn)行研究。本文主要的研究工作如下:（1）針對(duì)深度神經(jīng)網(wǎng)絡(luò)測(cè)試提出了3種可變強(qiáng)度組合覆蓋準(zhǔn)則。使用MNIST數(shù)據(jù)集、4種實(shí)驗(yàn)?zāi)Ｐ鸵约?種實(shí)驗(yàn)樣本對(duì)可變強(qiáng)度組合覆蓋準(zhǔn)則下模型的覆蓋率峰值、單層覆蓋率、覆蓋率上升趨勢(shì)、時(shí)間成本以及覆蓋率與對(duì)抗樣本之間是否存在相關(guān)性進(jìn)行研究。實(shí)驗(yàn)結(jié)果表明:可變強(qiáng)度組合覆蓋率與對(duì)抗樣本之間存在相關(guān)性。（2）提出了基于可變強(qiáng)度組合覆蓋的測(cè)試用例優(yōu)先級(jí)技術(shù)。以可變強(qiáng)度組合覆蓋率為優(yōu)先級(jí)索引,對(duì)原始測(cè)試用例集進(jìn)行優(yōu)先級(jí)排序。比較基于可變強(qiáng)度組合覆蓋的測(cè)試用例優(yōu)先級(jí)技術(shù)排序后的測(cè)試用例... 

【文章來(lái)源】：南京郵電大學(xué)江蘇省

【文章頁(yè)數(shù)】：82 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)示意圖

南京郵電大學(xué)碩士研究生學(xué)位論文第二章相關(guān)背景知識(shí)介紹10元直接的連線是由人工訓(xùn)練得到的權(quán)重，神經(jīng)元與神經(jīng)元之間依靠權(quán)重傳遞信息。見圖2.2所示為神經(jīng)元之間傳遞信息的簡(jiǎn)單示意圖。圖2.2中神經(jīng)元x1,1、x1,2、x1,3通過(guò)權(quán)重w1、w2、w3向神經(jīng)元x2,1傳遞信息。圖2.2神經(jīng)元之間傳遞信息示意圖神經(jīng)元x1,1、x1,2、x1,3與權(quán)重w1、w2、w3分別相乘后求和再加偏置項(xiàng)，最后通過(guò)激活函數(shù)f（x）將信息傳遞給神經(jīng)元x2,1。具體的計(jì)算如公式（2.1）：2,1=(1,1×1+1,2×1+1,3×1+)（2.1）神經(jīng)元的傳遞中激活函數(shù)起到了關(guān)鍵作用，它將深度神經(jīng)網(wǎng)絡(luò)中神經(jīng)元傳遞信息的模式由線性傳遞轉(zhuǎn)化為非線性傳遞，下面一小節(jié)將對(duì)常用的三種激活函數(shù)做簡(jiǎn)單的介紹。2.3.2激活函數(shù)為了避免深度神經(jīng)網(wǎng)絡(luò)中前層隱藏層的輸出成為后層隱藏層的輸入的線性組合，需要引入線性因素激活函數(shù)。Sigmoid、Tanh和ReLU是深度神經(jīng)網(wǎng)絡(luò)中常見的三種激活函數(shù)。圖2.3常見的三種激活函數(shù)圖像見圖2.3從左到右分別為Sigmoid[37]、Tanh[38]和ReLU[39-41]三種常用的非線性激活函數(shù)的函數(shù)圖像。

南京郵電大學(xué)碩士研究生學(xué)位論文第二章相關(guān)背景知識(shí)介紹10元直接的連線是由人工訓(xùn)練得到的權(quán)重，神經(jīng)元與神經(jīng)元之間依靠權(quán)重傳遞信息。見圖2.2所示為神經(jīng)元之間傳遞信息的簡(jiǎn)單示意圖。圖2.2中神經(jīng)元x1,1、x1,2、x1,3通過(guò)權(quán)重w1、w2、w3向神經(jīng)元x2,1傳遞信息。圖2.2神經(jīng)元之間傳遞信息示意圖神經(jīng)元x1,1、x1,2、x1,3與權(quán)重w1、w2、w3分別相乘后求和再加偏置項(xiàng)，最后通過(guò)激活函數(shù)f（x）將信息傳遞給神經(jīng)元x2,1。具體的計(jì)算如公式（2.1）：2,1=(1,1×1+1,2×1+1,3×1+)（2.1）神經(jīng)元的傳遞中激活函數(shù)起到了關(guān)鍵作用，它將深度神經(jīng)網(wǎng)絡(luò)中神經(jīng)元傳遞信息的模式由線性傳遞轉(zhuǎn)化為非線性傳遞，下面一小節(jié)將對(duì)常用的三種激活函數(shù)做簡(jiǎn)單的介紹。2.3.2激活函數(shù)為了避免深度神經(jīng)網(wǎng)絡(luò)中前層隱藏層的輸出成為后層隱藏層的輸入的線性組合，需要引入線性因素激活函數(shù)。Sigmoid、Tanh和ReLU是深度神經(jīng)網(wǎng)絡(luò)中常見的三種激活函數(shù)。圖2.3常見的三種激活函數(shù)圖像見圖2.3從左到右分別為Sigmoid[37]、Tanh[38]和ReLU[39-41]三種常用的非線性激活函數(shù)的函數(shù)圖像。

【參考文獻(xiàn)】：
期刊論文
[1]關(guān)于改進(jìn)的激活函數(shù)TReLU的研究[J]. 張濤,楊劍,宋文愛,宋超峰.  小型微型計(jì)算機(jī)系統(tǒng). 2019(01)
[2]黑盒威脅模型下深度學(xué)習(xí)對(duì)抗樣本的生成[J]. 孟東宇.  電子設(shè)計(jì)工程. 2018(24)
[3]基于遺傳算法的航空機(jī)載軟件測(cè)試用例優(yōu)先級(jí)技術(shù)研究[J]. 馮廷智,成紅芳.  航空科學(xué)技術(shù). 2018(11)
[4]DroidGAN:基于DCGAN的Android對(duì)抗樣本生成框架[J]. 唐川,張義,楊岳湘,施江勇.  通信學(xué)報(bào). 2018(S1)
[5]一種面向人臉活體檢測(cè)的對(duì)抗樣本生成算法[J]. 馬玉琨,毋立芳,簡(jiǎn)萌,劉方昊,楊洲.  軟件學(xué)報(bào). 2019(02)
[6]ReLU激活函數(shù)優(yōu)化研究[J]. 蔣昂波,王維維.  傳感器與微系統(tǒng). 2018(02)
[7]卷積神經(jīng)網(wǎng)絡(luò)中ReLU激活函數(shù)優(yōu)化設(shè)計(jì)[J]. 王雙印,滕國(guó)文.  信息通信. 2018(01)
[8]多目標(biāo)優(yōu)化的測(cè)試用例優(yōu)先級(jí)在線調(diào)整策略[J]. 張娜,姚瀾,包曉安,董萌,桂寧.  軟件學(xué)報(bào). 2015(10)
[9]提高軟件測(cè)試效率的方法研究[J]. 葛彥,邱一豐.  中國(guó)新通信. 2013(23)
[10]基于One-test-at-a-time策略的可變力度組合測(cè)試用例生成方法[J]. 王子元,錢巨,陳林,徐寶文.  計(jì)算機(jī)學(xué)報(bào). 2012(12)

博士論文
[1]對(duì)抗逃避攻擊的防守策略研究[D]. 張非.華南理工大學(xué) 2015

碩士論文
[1]對(duì)抗性環(huán)境下深度學(xué)習(xí)的魯棒性研究[D]. 林哲.華南理工大學(xué) 2018
[2]激活函數(shù)導(dǎo)向的RNN算法優(yōu)化[D]. 張堯.浙江大學(xué) 2017
[3]對(duì)抗環(huán)境下魯棒的Android惡意軟件檢測(cè)方法的研究[D]. 劉文.華南理工大學(xué) 2015



本文編號(hào)：3123326