基于二进制补丁比对的软件输入数据自动构造

在软件二进制补丁比对结果的基础上,提出一种基于目标的适应值函数模型.该模型对同一种群中所有个体评估,寻找优秀个体以遗传到子代中,产生能够到达或接近到达可疑函数的个体数据.该算法不需要源码.实验结果表明,该算法简化了逆向分析人员构造软件畸形数据的过程,为其快速触发软件脆弱点创造了条件.     

基于攻击特征签名的自动生成

签名可以基于攻击特征的相关信息生成。在栈上针对控制流攻击中对函数调用返回值和函数调用指针的攻击以及非控制流中对与判断相关联的数据的攻击,结合动态分析技术生成二进制签名。首先,识别出漏洞相关指令;然后,用虚拟机监控运行上述指令;最后,修改虚拟机以在监控到恶意写行为时报警并生成签名。同时生成的补丁文件记录恶意写指令以便后继执行时跳过。签名可迅速分发给其他主机,在轻量级虚拟机上监测程序运行。实验表明,二进制签名具有准确、精简的优点,可以防御多态攻击,同时具有较低漏报率,结合使用轻量级虚拟机可使签名生成和后继检测都快速高效。     

软件安全漏洞挖掘的研究思路及发展趋势

软件安全漏洞发掘作为一项预先发现软件潜在安全漏洞来保证软件安全的重要技术,日益受到人们的重视。本文首先对软件安全漏洞发掘研究的背景及相关技术进行了充分调研,然后针对当前进行软件安全漏洞挖掘提出新的研究思路,从漏洞模型、补丁比对、序列搜索算法等四个方面进行了详细描述。     

基于遗传算法的函数级别软件错误定位

针对软件开发过程中的错误定位问题,提出一种以函数调用路径和遗传算法为基础的软件错误定位方法FGAFL。将软件测试中的错误定位问题转化为组合优化问题,结合函数调用路径对错误定位的影响构建适应度函数。通过遗传算法在候选种群中迭代搜索具有较高可疑度的候选错误分布,得到最优解。根据最优解对程序中的函数按可疑度进行排序,依次检查函数并定位错误的具体位置。实验表明,FGAFL方法可以有效降低运算量并缩减代码审查的范围,提高错误定位的精度和效率。     

一种路径测试数据自动生成方法

适应值函数的设计是决定测试数据生成质量和效率的关键,为此提出一种重叠路径结构,对程序路径进行描述,并设计基于遗传算法全路径比较的路径测试数据生成适应值函数。为测试数据生成算法定义生成时间期望的综合性能评价指标,以该指标与对照组算法进行比较实验。结果显示,该适应值函数能较好地平衡算法收敛性和消耗时间之间的矛盾。     

软件模糊测试中遗传杂交算法的研究

利用遗传算法的导向性原理,可以不断寻找能够触发软件异常的测试用例.杂交过程是遗传算法中重要过程之一,如何定义父代中的优秀基因并遗传到子代,对寻找算法搜索空间的最优解非常重要.定义了重要基因及优良选择的概念并提出相应杂交算法.在Windows RPC测试中发现,该算法能够寻找到种群中优良基因并不断遗传到子代中,为自动构造软件输入数据,触发软件异常提供支持.     

基于改进遗传算法的供电服务自动调配系统研究

由于互联网的发展以及信息技术的大量应用,以城市供电调配作为研究目标,构建基于改进遗传算法的城市供电调配系统.提高供电城市管网优化效率,首先对遗传算法进行改进;然后构建适应度函数,并通过遗传算法对供电调配管网扩建进行求解;最后,构建城市供电调配系统,并通过系统测试的方式,对优化后的供电调配结果进行展示.结果表明,以上方案...     

构造具备自适应能力的软件

随着应用场景的变迁和自身复杂性的增长,软件需要具备主动适应环境变化的能力,能够依据环境变化动态调整其行为.软件自适应的实现技术跨越了软件监控、上下文敏感计算、决策和控制理论、软件演化和维护等多个学科分支,如何系统化地构造此类软件,是软件工程领域所面临的巨大挑战.从自适应软件构造与实现这一角度出发,以“感知-决策-执行”软件自适应基本周期为主线,对已有的研究和实践进行综述.给出软件自适应的概念内涵,概述软件自适应活动在感知、决策、执行各环节上的特征分类,阐述面向自适应软件构造、关注程度较高的一系列使能技术,进而在分析典型研究项目现状的基础上,给出自适应软件构造领域的未来主要研究趋势.     

基于UML图组的软件性能测试

针对软件性能测试的难点一直是快速、准确地得到有效信息,并使性能评价贯穿整个开发周期.利用UML多图组合的方式来进行系统描述,以期充分利用UML的扩展来携带所需的性能信息,避免单一UML图描述系统的片面性;以消息走向为主线,采用多图组合的方式提供完整的系统架构.给出了不同角度下的UML图组合规则,主要研究了根据工作流程进行划分组合或者根据对象的状态来进行图组合两种方式,并给出了各个图例在组合中的作用以及各个图例之间的信息交互.     

软件的易测试性分析方法述评

软件测试是软件工程领域中重要组成部分。随着软件规模的不断扩大,测试工作的复杂性也不断升高,而改善、提高软件易测试性则是降低测试复杂性的有效手段。为达到这一目标,首先要能对软件的易测试性进行准确的度量。这种度量结果除了作为软件度量的一个量化指标外,还应能为改善易测试性提供指导、为测试的设计提供有效帮助。本文对现有软件易测试性分析方法进行归类,将已有技术大致归并为基于复杂度分析、基于信息论分析、基于PIE技术分析和基于UML类图分析四种基本类型。简要介绍了每一类方法,对这些方法的特点与不足进行分析比较,并探讨今后的研究方向。     

基于进化算法的软件测试数据生成的自动化

介绍了进化算法在测试数据生成中的应用思想,分析了在不同的覆盖准则下应用进化算法时适值函数的设计方法,把遗传算法等进化算法应用到测试数据生成中的进化测试技术,克服了局部搜索算法无法为较复杂程序的分支生成测试输入的问题。     

基于SA的改进遗传算法的测试数据生成研究

测试数据的自动生成研究是软件测试的一个焦点问题,测试数据的自动生成可以提高测试工作效率,节约测试成本.考虑遗传算法(GA)和模拟退火算法(SA)各自优缺点,提出遗传/模拟退火(GASA)混合算法的策略,在标准的GA中融入SA,在GA的局部搜索中引入SA,SA的随机状态受限于遗传优化算法的结果,GA的种群更新是由SA的退温算法和随机状态产生函数来控制,从而得到最优解.GA-SA算法取长补短,提高了算法的全局和局部搜索能力,能避免GA过早收敛,提高了算法搜索最优解的能力.实验结果表明,GASA算法寻找最优解所需的迭代次数明显优于标准GA.     

基于量子遗传算法的软件测试数据自动生成

测试数据的自动生成是测试阶段最关键的技术问题,改进软件测试方法,对提高软件测试的自动化程度具有十分重要的现实意义;在测试数据的自动生成的方法中,遗传算法虽然取得了较好的效果,但是这种算法存在缺陷和局限性,而量子遗传算法改善了其不足之处;应用量子遗传算法解决软件测试数据生成问题,克服了传统的以测试数据为核心的测试方法的不足和缺陷,实验结果表明量子遗传算法的测试用例生成效率高于遗传算法;所以,量子遗传算法可以作为一种较为理想的算法进行测试数据的自动生成,对软件测试中的测试数据自动生成具有很强的使用价值。     

基于搜索的分层回归测试数据集扩增方法

针对在回归测试中原有的测试数据集往往难以满足新版本软件的测试需求问题,提出一种基于搜索的分层回归测试数据生成方法。方法主要包含覆盖目标方法集获取模块和测试数据生成模块。首先对新版本程序进行抽象分析,提取出方法调用图,利用方法调用轨迹和已有测试数据建立方法覆盖信息,获取目标方法集,并通过计算贝叶斯条件概率对目标方法集进行优先选择;利用Hadamard矩阵设计正交种群,同时结合已有测试数据集进行种群初始化,采用文化基因算法对目标集中方法生成测试数据。该方法针对4个基准程序与随机法和遗传算法以及基于粒子群算法测试数据生成方法相比,测试数据的生成效率平均提高了95.2%、78.2%和50.5%,测试数据检错能力平均提高了47.9%、33.6%和18.2%,实验结果表明,该方法更适合回归测试数据的生成。     

基于改进粒子群算法的测试数据自动生成研究

测试数据的自动产生技术是软件测试的一个重要研究领域,高效的测试数据乍成可以简化测试工作提高测试效率;针对传统遗传算法(GA)容易产生早熟收敛和易陷入局部最优解的问题,提出了一种基于遗传粒子群混合算法(GA-PSO)的软件测试数据自动生成算法,该算法在粒子群算法的基础上引入了遗传算子(交叉概率P<,c>、变异概率P<,m>),使所有测试数据在局部区域中再次寻找最优值,从而避免过早收敛,改进搜索最佳值的能力;仿真实验表明遗传粒子群混合算法与单纯使用简单遗传算法相比,具有更快的收敛速度,其产生最优解的代数得以大大提前,且精度更高.     

测试数据生成技术在软件故障诊断中的应用

随着软件在武器装备中应用范围的日益扩大,软件故障诊断问题日显突出。文中针对软件测试中测试数据生成问题作了重点研究,采用了遗传算法解决按路径生成测试数据的问题,构建了基于遗传算法的测试数据生成系统模型,并对系统模型进行了实例验证。通过数据证明了遗传算法在测试数据生成中的优越性。     

基于混沌遗传算法的测试用例自动生成研究

测试用例自动生成是提高软件测试效率的重要手段.针对传统遗传算法的测试用例自动生成方法存在早熟收敛、迭代后期种群多样性降低等问题,提出了一种基于混沌遗传算法的测试用例自动生成模型,运用反向学习策略初始化种群,结合层接近度改进个体适应度的评价方法,并利用混沌序列优化遗传算法的交叉、变异操作.实验结果表明,与已有测试用例自动...     

自动组题算法中适应度函数的构建方法

在基于GA的自动组题算法中,构建适应度函数是最大的一个难点。适应度函数构建的关键在于如何选择适应度函数的参数以及如何计算各个参数的值,本文从IRT理论和试题以及算法的特殊性出发,确定了适应度函数的参数及其计算方法。该方法有着强大的理论支持和完善的用户需求接口,同时也为试卷的分析提供了新的方法。