公开(公告)号：CN114969754B

公开(公告)日：2024-07-16

申请号：CN202210577311.9

申请日：2022-05-25

Applicant: 安徽工业大学

Inventor： 吴宣够 ,  刘志娟 ,  王修君

IPC: G06F21/57 ,  G06F18/214 ,  G06F18/24 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供的基于多任务学习解决AFL预测模型数据不平衡的方法及系统，其方法包括：构建由AFL、Angora、运行分支距离的模糊器生成的测试用例中的至少两种数据组成的测试集；对测试集中的所有数据预处理；对预处理后的测试集提取部分数据构建训练集；根据训练集训练多任务学习模型，获得其特征共享层构建分类模型；根据分类模型，对AFL模糊器生成的测试用例进行预测，获取可用测试用例；将可用测试用例输入至目标程序运行计算分类模型的误判率，并当误报率不小于预设误判率时，更新分类模型。本发明采用多任务学习模型构建分类模型对AFL模糊器中新生成的测试用例进行可用性预测，提高模糊测试的效率，解决目前AFL预测模型存在数据不平衡的问题。

公开(公告)号：CN114969754A

公开(公告)日：2022-08-30

申请号：CN202210577311.9

申请日：2022-05-25

Applicant: 安徽工业大学

Inventor： 吴宣够 ,  刘志娟 ,  王修君

IPC: G06F21/57 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供的基于多任务学习解决AFL预测模型数据不平衡的方法及系统，其方法包括：构建由AFL、Angora、运行分支距离的模糊器生成的测试用例中的至少两种数据组成的测试集；对测试集中的所有数据预处理；对预处理后的测试集提取部分数据构建训练集；根据训练集训练多任务学习模型，获得其特征共享层构建分类模型；根据分类模型，对AFL模糊器生成的测试用例进行预测，获取可用测试用例；将可用测试用例输入至目标程序运行计算分类模型的误判率，并当误报率不小于预设误判率时，更新分类模型。本发明采用多任务学习模型构建分类模型对AFL模糊器中新生成的测试用例进行可用性预测，提高模糊测试的效率，解决目前AFL预测模型存在数据不平衡的问题。