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;
步骤4)中计算可变强度组合的覆盖率的方法:步骤4.1)、根据步骤2)中抽取的神经元组合,统计神经元组合状态总数;
步骤4.2)、根据步骤3)中提取的神经元状态,统计被覆盖的神经元组合状态;
步骤4.3)、计算可变强度组合覆盖率:其中,COV表示可变强度组合覆盖率,N表示神经元组合状态总数,Ncov表示被覆盖的神经元组合状态数目。
2.根据权利要求1所述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:步骤2.3)中的打分公式如下:分数=组合中所有神经元与其相连的后层神经元权重之和/组合强度。