[发明专利]一种基于神经风格迁移的测试用例生成系统

说明书

本发明公开了一种基于神经风格迁移的网络协议测试用例生成系统，该系统包括：原始数据收集模块、编码模块、神经风格迁移模块和逆向编码模块。其中，原始数据收集模块收集工控网络系统中的流量数据，并将收集到的数据用聚类算法进行分类；编码模块将分类后的数据编码成为图片形式；神经风格迁移模块将编码模块输出的图片和风格图片作为输入，基于神经风格迁移方法进行神经风格转换，在转换过程中通过不断的训练迭代控制风格变换的程度；逆向编码模块将神经风格变换模块输出的二维图片转为一维的序列形式作为测试用例。该测试用例可以直接注入目标网络进行攻击测试。此系统可以智能的学习协议的格式，减少人为的学习过程，提高测试的效率。

技术领域

本发明涉及工控通讯协议和深度学习领域，尤其涉及一种基于神经风格迁移的测试用例生成系统。

背景技术

在传统的模糊测试领域，测试用例的生成有随机生成和基于模型的生成，这两种方法需要提前知道协议的格式或者需要人工逆向工程解析协议的格式，对参与人员的专业知识要求很高，同时这种测试用例生成方法在整个过程中显得效率较低。当待测试的目标协议比较复杂的时候，人工设计的测试用例往往会缺乏多样性，很难达到好的测试深度和覆盖度，从而导致测试的不全面。工控协议作为工控系统的重要部分，对工控系统的安全运行至关重要，是工控安全的基础。若要保证工控协议本身没有漏洞，安全性，需要对协议进行测试验证。因此，有必要寻找一种方法，能够根据原始流量数据的帧格式，自动生成同样格式的工控协议测试用例的系统。

发明内容

为解决以上问题，本发明提出了一种基于神经风格迁移的测试用例生成系统。利用深度卷积神经网络强大的学习能力，构造一个可以智能学习工控协议数据的帧格式，并自动生成同样格式的工控协议测试用例的系统。通过使用深度卷积神经网络对原始流量数据进行不同维度的特征提取，实现自主学习协议数据格式，减轻人工逆向解析协议的负担，实现系统代替人的智能化学习，降低协议测试的成本。同时可以提高测试用例的多样性，达到高的测试覆盖率，测试深度。

具体的，本发明提出一种基于神经风格迁移的测试用例生成系统，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；

编码模块(2)，用于对原始数据收集模块(1)收集的原始流量数据分别进行编码，得到对应的矩阵图；

神经风格迁移模块(3)，用于对所述矩阵图进行风格迁移变换，得到迁移图片；

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。

优选的，所述原始数据收集模块(1)用于收集工控通讯系统中的原始流量数据，对所述原始流量数据进行分类，得到不同协议类别的原始流量数据集合。

优选的，所述原始数据收集模块(1)具体用于利用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。

优选的，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。

优选的，所述编码模块(2)具体用于将各协议类别中的各原始流量数据进行编码，得到对应的各矩阵图，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。

优选的，所述神经风格迁移模块(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。