[发明专利]一种基于神经风格迁移的测试用例生成系统

权利要求书

1.一种基于神经风格迁移的测试用例生成系统，其特征在于，包括顺序连接的如下模块：

原始数据收集模块(1)，用于收集待测试工控通讯系统中的原始流量数据，利用K-means聚类算法将收集到的原始流量数据分类，得到不同协议类别的原始流量数据集合；

编码模块(2)，用于利用独热编码对原始数据收集模块(1)收集的各协议类别中的各原始流量数据分别进行编码，得到对应的矩阵图，并将所述各矩阵图归入相应协议类别对应的矩阵图集合中；

神经风格迁移模块(3)，包括训练子模块和风格迁移子模块；所述训练子模块，用于分别提取各矩阵图集合中的部分矩阵图，使用提取的矩阵图对深度卷积神经网络进行训练，得到相应协议类别对应的深度卷积神经网络模型；所述风格迁移子模块，用于分别使用所述训练子模块得到的各深度卷积神经网络模型对相应协议类别的矩阵图集合中剩余的矩阵图进行风格迁移，得到相应的迁移图片；

逆向编码模块(4)，用于将所述迁移图片进行反向编码，得到目标流量数据。

2.如权利要求1所述的基于神经风格迁移的测试用例生成系统，其特征在于，所述编码模块(2)具体用于利用独热编码将一维的字符形式的原始流量数据逐条编码为二维的矩阵图，并采用cuda并行计算对编码过程进行加速。

3.如权利要求1所述的基于神经风格迁移的测试用例生成系统，其特征在于，所述训练子模块，具体用于：

将提取的矩阵图和预先收集的多类型的风格图片输入深度卷积神经网络，引入卷积层、池化层、全连接层和残差块，对输入的矩阵图的内容特征和纹理特征进行提取，根据提取的特征进行风格迁移；通过调整深度卷积神经网络的参数，得到多个风格迁移图片的内容损失和风格损失，计算每个风格迁移图片的内容损失和风格损失加权后的综合总损失，根据所述综合总损失确定相应协议类别对应的最优深度卷积神经网络参数和几种最优风格迁移图片，使用所述最优深度卷积神经网络参数生成相应协议类别对应的深度卷积神经网络模型。

4.如权利要求1所述的基于神经风格迁移的测试用例生成系统，其特征在于，所述训练子模块还用于通过调整每种损失的权重来控制所得迁移图片的风格迁移程度。

5.如权利要求1所述的基于神经风格迁移的测试用例生成系统，其特征在于，所述风格迁移子模块，具体用于分别将所述的几种最优风格迁移图片与所述各矩阵集合中剩余的矩阵图输入相应协议类别对应的深度卷积神经网络模型，进行图片融合，形成多类型的迁移图片。