買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉遼寧大學(xué)申請的專利面向非結(jié)構(gòu)化數(shù)據(jù)的模糊測試方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN115658484B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-12發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202211263084.9，技術(shù)領(lǐng)域涉及：G06F11/3668；該發(fā)明授權(quán)面向非結(jié)構(gòu)化數(shù)據(jù)的模糊測試方法是由李曉光;于浩天設(shè)計(jì)研發(fā)完成，并于2022-10-15向國家知識產(chǎn)權(quán)局提交的專利申請。

本面向非結(jié)構(gòu)化數(shù)據(jù)的模糊測試方法在說明書摘要公布了：面向非結(jié)構(gòu)化數(shù)據(jù)的模糊測試方法，該方法將深度學(xué)習(xí)中的Sequence2Sequence網(wǎng)絡(luò)和Char?RNN網(wǎng)絡(luò)進(jìn)行組合，利用待測試的非結(jié)構(gòu)化數(shù)據(jù)和其在對應(yīng)目標(biāo)程序中觸發(fā)的執(zhí)行路徑的關(guān)系生成測試用例。并通過Attention機(jī)制對待測非結(jié)構(gòu)化數(shù)據(jù)加權(quán)優(yōu)化Sequence2Sequence網(wǎng)絡(luò)模型，使用由兩個decoder網(wǎng)絡(luò)組成的ScheduledSampling模型混合真實(shí)序列元素和測試序列元素改進(jìn)Sequence2Sequence網(wǎng)絡(luò)的最終預(yù)測序列。本發(fā)明可以對非結(jié)構(gòu)化數(shù)據(jù)的測試用例進(jìn)行了質(zhì)量較高的模糊測試，同時提高目標(biāo)程序的路徑覆蓋率并檢測出更多異常。

本發(fā)明授權(quán)面向非結(jié)構(gòu)化數(shù)據(jù)的模糊測試方法在權(quán)利要求書中公布了：1.面向非結(jié)構(gòu)化數(shù)據(jù)的模糊測試方法，其特征在于，其步驟為： 步驟1構(gòu)建對非格式化數(shù)據(jù)中對象序列的注意力概率分布； 步驟2建立ScheduledSampling測試優(yōu)化模型優(yōu)化Seq2Seq網(wǎng)絡(luò)； 步驟2-1建立ScheduledSampling模型的第一個decoder網(wǎng)絡(luò)，并獲得預(yù)測非格式化數(shù)據(jù)序列： 首先將非結(jié)構(gòu)化數(shù)據(jù)的對象序列輸入目標(biāo)待測程序中獲得相應(yīng)的路徑序列，將該路徑序列輸入至encoder網(wǎng)絡(luò)中，得到注意力分布加權(quán)的測試中間狀態(tài)向量，構(gòu)建第一個decoder網(wǎng)絡(luò)，再將中間狀態(tài)向量通過該decoder進(jìn)行首次預(yù)測，獲得預(yù)測序列； 步驟2-2將原非結(jié)構(gòu)化數(shù)據(jù)序列與預(yù)測數(shù)據(jù)序列混合： 通過原非結(jié)構(gòu)化數(shù)據(jù)真實(shí)序列元素與預(yù)測序列元素進(jìn)行混合得到一個新的序列：以概率Pt選擇真實(shí)元素，以1-Pt選擇預(yù)測元素，隨著訓(xùn)練的進(jìn)行，時間t在改變，模型訓(xùn)練越來越充分，先選擇真實(shí)元素再選擇預(yù)測的元素；采用線性衰減設(shè)定概率Pt的值，其中0≤P＜1，k和c提供了衰減的偏移量和斜率； Pt＝maxP,k-ct 步驟2-3建立ScheduledSampling模型的第二個decoder，輸出非結(jié)構(gòu)化數(shù)據(jù)序列： 構(gòu)建第二個decoder網(wǎng)絡(luò)，根據(jù)混合后的新序列作為該網(wǎng)絡(luò)的輸入，得到最終的非結(jié)構(gòu)化數(shù)據(jù)序列； 步驟3組合Char-RNN模型和優(yōu)化后的Seq2Seq模型為新的模糊測試方法； 組合Char-RNN模型和優(yōu)化后的Seq2Seq模型為新的模糊測試方法，包括如下步驟： 步驟3-1利用Char-RNN模型獲得新的執(zhí)行路徑序列： 將非格式化數(shù)據(jù)相對應(yīng)的執(zhí)行路徑序列進(jìn)行預(yù)處理，其中路徑是由多個基本塊block組成的序列，一條完整的路徑就是block1,block2,block3…blockn，將其轉(zhuǎn)化為相應(yīng)的基本塊序列并記錄下來；輸入Char-RNN網(wǎng)絡(luò)模型時，將每條執(zhí)行路徑作為由基本塊組成的字符串序列進(jìn)行訓(xùn)練，最終預(yù)測出新的路徑序列； 步驟3-2新路徑序列與優(yōu)化后Seq2Seq模型得到相應(yīng)的非結(jié)構(gòu)化數(shù)據(jù)； 步驟4通過新模糊測試方法對非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行測試。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人遼寧大學(xué)，其通訊地址為：110000 遼寧省沈陽市沈北新區(qū)道義南大街58號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。