-
公开(公告)号：CN111897729B
公开(公告)日：2022-08-19
申请号：CN202010765951.3
申请日：2020-08-03
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于TensorFuzz的深度神经网络模糊测试框架和方法。采用配置的变异方式对从测试用例池中提取的测试用例进行变异，将变异后的测试用例作为当前测试用例，加载到深度神经网络模糊测试模型中进行处理；采用配置的覆盖分析度量标准，确定当前测试用例是否触发了新的覆盖；如果是，则将当前测试用例增加到所述测试用例池中；根据目标函数中的模糊测试目标，在当前测试用例触发“崩溃”时，将当前测试用例增加到所述测试用例池中；根据目标函数中的终止条件，如果判断满足终止条件，则结束模糊测试，否则从测试用例池中获取下一个测试用例，继续测试。使用本发明提高了模糊测试的效率和漏洞发现能力。
-
公开(公告)号：CN111898134B
公开(公告)日：2022-11-11
申请号：CN202010768571.5
申请日：2020-08-03
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于长短期记忆网络或双向长短期记忆网络的智能合约漏洞检测方法；在数据处理阶段，对智能合约样本进行漏洞分类及标签标记；将智能合约样本转化为操作码序列X，提取包含关键操作码的上下文序列，并重组为新的操作码序列Y；针对每一种漏洞建立基于长短期记忆网络或双向长短期记忆网络的二元分类模型，利用智能合约样本的操作码序列Y对每一种漏洞训练一个二元分类模型，作为智能合约漏洞检测模型；在智能合约漏洞检测阶段，按照语义序列化阶段的处理方式将待检测智能合约处理成操作码序列Y，然后输入各智能合约漏洞检测模型，实现对多种漏洞的检测。使用本发明能够缩短训练时间，提高检测模型的稳定性和分类准确性。
-
公开(公告)号：CN111897729A
公开(公告)日：2020-11-06
申请号：CN202010765951.3
申请日：2020-08-03
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于TensorFuzz的深度神经网络模糊测试框架和方法。采用配置的变异方式对从测试用例池中提取的测试用例进行变异，将变异后的测试用例作为当前测试用例，加载到深度神经网络模糊测试模型中进行处理；采用配置的覆盖分析度量标准，确定当前测试用例是否触发了新的覆盖；如果是，则将当前测试用例增加到所述测试用例池中；根据目标函数中的模糊测试目标，在当前测试用例触发“崩溃”时，将当前测试用例增加到所述测试用例池中；根据目标函数中的终止条件，如果判断满足终止条件，则结束模糊测试，否则从测试用例池中获取下一个测试用例，继续测试。使用本发明提高了模糊测试的效率和漏洞发现能力。
-
公开(公告)号：CN111898134A
公开(公告)日：2020-11-06
申请号：CN202010768571.5
申请日：2020-08-03
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于长短期记忆网络或双向长短期记忆网络的智能合约漏洞检测方法；在数据处理阶段，对智能合约样本进行漏洞分类及标签标记；将智能合约样本转化为操作码序列X，提取包含关键操作码的上下文序列，并重组为新的操作码序列Y；针对每一种漏洞建立基于长短期记忆网络或双向长短期记忆网络的二元分类模型，利用智能合约样本的操作码序列Y对每一种漏洞训练一个二元分类模型，作为智能合约漏洞检测模型；在智能合约漏洞检测阶段，按照语义序列化阶段的处理方式将待检测智能合约处理成操作码序列Y，然后输入各智能合约漏洞检测模型，实现对多种漏洞的检测。使用本发明能够缩短训练时间，提高检测模型的稳定性和分类准确性。
-
-
-
Search Results
4
records
(took 0.045 seconds)
