[发明专利]一种网络协议模糊测试用例的生成及应用方法

权利要求书

1.一种网络协议模糊测试用例的生成方法，其特征在于，

捕获网络协议报文；

从捕获的网络协议报文中提取目标协议通信报文的应用层协议数据；

将应用层协议数据输入到符合网络协议模糊测试需求的序列生成对抗网络SeqGAN，利用输入的应用层协议数据对所述序列生成对抗网络SeqGAN中的生成模型和判别模型进行训练，在两个模型之间形成博弈，直到训练次数达到预设的阈值，得到训练好的序列生成对抗网络SeqGAN；

利用所述训练好的序列生成对抗网络SeqGAN生成测试用例。

2.根据权利要求1所述的网络协议模糊测试用例的生成方法，其特征在于，所述从捕获的网络协议报文中提取目标协议通信报文的应用层协议数据的过程包括：

对捕获的网络协议报文进行预处理，滤除与目标协议通信无关的报文，得到目标协议通信报文，从目标协议通信报文中提取出应用层协议数据。

3.根据权利要求2所述的网络协议模糊测试用例的生成方法，其特征在于，

所述目标协议通信报文包括基于TCP协议或者UDP协议传输的报文；

采用TCP协议传输报文且由于报文过长在传输时被切分时，需将被切分的报文重组，获得完整的应用层协议数据；

采用TCP协议传输报文且没有因为报文过长被切分时，直接将该报文作为应用层协议数据；

采用UDP协议传输报文时，直接将该报文作为应用层协议数据。

4.根据权利要求1所述的网络协议模糊测试用例的生成方法，其特征在于，所述得到训练好的序列生成对抗网络SeqGAN的过程包括：

所有应用层协议数据组成样本集；

将所有应用层协议数据补长至样本集中应用层协议数据的最大长度，使得所有应用层协议数据长度相同，得到训练样本集；

使用最大似然估计算法在训练样本集上对生成模型进行预训练，使得生成模型能够收敛，得到预训练好的生成模型；接着使用预训练好的生成模型生成数量和训练样本集数量相同的生成数据，将生成数据和真实协议数据输入到判别模型中，对判别模型进行预训练，使得判别模型能够收敛；

交替对生成模型和判别模型进行训练，形成博弈，直到训练次数达到预设的阈值。

5.根据权利要求4所述的网络协议模糊测试用例的生成方法，其特征在于，所述交替对生成模型和判别模型进行训练，形成博弈的过程包括：

在训练判别模型时，生成模型被固定，判别模型的输入是真实的数据以及生成模型生成的虚假数据，将真实数据标记为1，将生成模型生成的虚假数据标记为0，对判别模型进行训练；

在训练生成模型时，判别模型被固定，生成模型的输入是随机产生的N个变量，生成模型生成虚假数据并将该数据输入判别模型，判别模型输出的是输入数据是真实数据的概率，此概率将反馈给生成模型，促使生成模型调整内部参数，此过程反复进行，直到生成模型和判别模型的训练次数达到预设的阈值。

6.根据权利要求1所述的网络协议模糊测试用例的生成方法，其特征在于，利用所述训练好的序列生成对抗网络SeqGAN生成测试用例的过程包括：

随机产生N条随机向量，将它们输入生成模型，生成模型产生同等数量的生成数据；

对产生的N条生成数据进行去重处理，滤除重复的生成数据，得到最终的测试用例。

7.一种网络协议模糊测试用例的应用方法，其特征在于，用于对权利要求1-6任意一项所述生成方法生成的测试用例进行应用，应用过程包括：

将所述测试用例通过网络发送给协议程序，对协议程序的运行情况进行监控，捕捉协议程序在运行过程中产生的异常，在发现异常时，结合网络监视和系统监控定位是哪个测试用例引发了被测系统产生的异常，并记录异常相关信息。