登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 文献综述 > 计算机类 > 计算机科学与技术 > 正文

基于Fuzz的人工神经网络测试的研究与工具开发文献综述

 2020-04-24 11:18:12  

文 献 综 述 一 .研究背景、目的及意义 在过去的数年里,随着人们对神经网络研究的不断深入,学界涌现了越来越多的优秀深度学习模型,其应用范围也不断拓宽,包括医疗诊断、自动驾驶、智能合约和智慧法院等。

相较于传统机器学习模型,神经网络模型无论是准确率还是运行效率,都展现了强大的竞争力。

然而,在被广泛应用的同时,深度学习系统(DL system)也暴露出了很多问题,其中之一就是鲁棒性不足。

然而,众所周知的是,神经网络的调试比较困难,其鲁棒性缺陷的理论分析尚不完备。

在传统的软件测试领域,模糊测试是发现软件安全性漏洞的常用的手段。

然而神经网络和传统软件相比,在软件内在结构上有巨大的差距,也就是说,现成的Fuzz工具如AFL,无法直接应用于神经网络模型。

通常,自动化测试工具通过自动生成对抗样本,作为输入测试待测系统。

对抗样本,即Christian Szegedy等人提出的,在数据集中通过故意添加细微的干扰所形成的输入样本,目的是导致模型以高置信度给出一个错误的输出。

在DL测试的过程中,通过寻找对抗样本,让分类器做出错误的分类,来发现模型的缺陷并尝试进行弥补。

在许多安全要求极高的重点研究的领域中,如自动驾驶和智能司法,一次错误的判断可能给使用者带来重大损失以至生命危险。

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

微信号:bysjorg

Copyright © 2010-2022 毕业论文网 站点地图