[发明专利]一种用于灰盒模糊测试的样本格式保护方法及装置

权利要求书

1.一种用于灰盒模糊测试的样本格式保护方法，其特征在于，包括：

从语料集中获取初始语料；

对所述初始语料进行变异，得到测试语料；

将所述测试语料输入到程序中，对所述程序进行模糊测试，并在模糊测试的过程中通过预设的机器学习模型确定所述测试语料的格式是否正确；所述预设的机器学习模型已通过训练语料的预设的特征数据进行了训练；

在所述测试语料的格式为正确的情况下，查看所述测试语料是否覆盖了已有测试语料没有覆盖的程序代码；

若所述测试语料覆盖了已有测试语料没有覆盖的程序代码，将所述测试语料添加到所述初始语料中。

2.根据权利要求1所述的方法，其特征在于，所述从语料集中获取测试语料，包括：

创建临时工作集合；

从所述程序的EDGE中随机选取一个目标EDGE，所述目标EDGE为所述临时工作集中的测试语料未覆盖到的所述程序的EDGE；

从所述语料集中选取执行所述目标EDGE时代价值最小的语料；所述代价值为通过所述测试语料对所述程序进行模糊测试时，EDGE的执行时间和语料长度的乘积；

判断所述程序的EDGE中是否包含所述临时工作集合中的语料未覆盖到的EDGE；

若包含，返回执行从所述程序的EDGE中随机选取一个目标EDGE，所述目标EDGE为所述临时工作集中的测试语料未覆盖到的所述程序的EDGE；

若不包含，将所述临时工作集输出为初始语料。

3.根据权利要求1所述的方法，其特征在于，所述在模糊测试的过程中通过预设的机器学习模型获取所述测试语料的格式是否正确，包括：

在模糊测试的过程中，获取所述测试语料对应的特征数据；

将所述特征数据输入到预设的机器学习模型中，获取所述测试语料的格式是否正确的结果。

4.根据权利要求1所述的方法，其特征在于，所述对所述初始语料进行变异，得到测试语料，包括：

读取所述初始语料的变异位置；

判断预设的位置集合中是否包含所述变异位置；

若所述预设的位置集合中包含所述变异位置，阻止对当前的变异位置发生变异。

5.根据权利要求4所述的方法，其特征在于，还包括：

若所述测试语料为格式错误的语料，将所述测试语料的变异位置添加到位置集合中。

6.根据权利要求1到5中任意一项所述的方法，其特征在于，机器学习模型的训练过程包括：

获取格式正确的训练语料；

将所述正确的训练语料输入到预设的训练程序中，以对所述训练程序进行模糊测试，并在模糊测试的过程中提取所述训练语料的特征数据；

将所述训练语料的特征数据输入到预设的贝叶斯分类器中进行分类学习。

7.根据权利要求6所述的方法，其特征在于，所述预设的特征包括：所述程序EDGE的种类数、EDGE的总数、程序执行时间、EDGE的方差、EDGE的均值、EDGE的最大值、EDGE的中位数、被判断为错误处理EDGE占程序全部错误处理EDGE的比例。

8.一种用于灰盒模糊测试的数据格式保护装置，其特征在于，包括：

获取单元，用于从语料集中获取初始语料；

变异单元，用于对所述初始语料进行变异，得到测试语料；

识别单元，用于将所述测试语料输入到程序中，对所述程序进行模糊测试，并在模糊测试的过程中通过预设的机器学习模型确定所述测试语料的格式是否正确；所述预设的机器学习模型已通过训练语料的预设的特征数据进行了训练；

判断单元，用于在所述测试语料的格式为正确的情况下，查看所述测试语料是否覆盖了已有测试语料没有覆盖的程序代码；

更新单元，用于若所述测试语料覆盖了已有测试语料没有覆盖的程序代码，将所述测试语料添加到所述初始语料中。