[发明专利]基于可变强度组合测试的深度神经网络测试充分性方法

摘要

本发明公开了一种基于可变强度组合测试的深度神经网络测试充分性方法，利用可变强度组合测试技术，根据模型权重对深度神经网络中的神经元进行关系抽取，提取不同强度的神经元组合，根据神经元组合中神经元激活状态，评估神经网络中的神经元激活状态覆盖情况；根据计算出的覆盖率来评估模型测试充分性。本发明既有效缩减了神经元状态空间，还根据不同的作用关系抽取对应的神经元组合，进行覆盖率计算。如果测试用例可以达到较高的覆盖率，那么测试用例的充分性便可以得到更好的证明，也就可以提升测试准则的科学性和可信度。

主权项

1.一种基于可变强度组合测试的深度神经网络测试充分性方法，其特征在于，包括以下步骤：步骤1)、提取深度神经网络模型权重：在深度神经网络中，输入测试用例后，神经元将会以实数值的形式向后传播，提取前层神经元与后层神经元两两之间的模型权重；步骤2)、根据步骤1)得到的模型权重对神经元进行关系抽取，提取不同强度的神经元组合，其方法如下：步骤2.1)、最大单一神经元影响组合关系抽取方法：在深度神经网络中，根据每一个神经元选取与其相连并且权重大于阈值a的其前层神经元组合；步骤2.2)、二维加强组合关系抽取方法：在深度神经网络中，先抽取所有的二元神经元组合，并对特定神经元，即与后层所有相连神经元权重之和大于阈值b的神经元施加更高强度的组合；步骤2.3)、最大总量影响组合关系抽取方法：在深度神经网络中，抽取所有的二元、三元和四元的神经元组合，并根据对所有组合进行打分后选取分数大于阈值c的组合；步骤3)、提取测试用例的神经元状态，在深度神经网络中，输入测试用例后，神经元将会以实数值的形式将测试用例向后传播，每个神经元都对应一个实数值；设置激活函数的阈值，将实数值转化为判断是否激活的布尔值；获取每个神经元的输出布尔值作为神经元输出；步骤4)、计算可变强度组合的覆盖率，根据步骤2)中提取的神经元组合与步骤3)中获取的神经元输出计算可变强度组合的覆盖率；根据计算出的覆盖率来评估模型测试充分性。