面向深度学习系统的模糊测试技术研究进展
深度学习系统具有强大的学习与推理能力,在无人驾驶、语音识别和机器人等领域应用广泛.由于数据集的限制以及依赖人工标签数据,深度学习系统易于出现非预期的行为.近年来,深度学习系统的质量问题受到广泛的关注,特别是在安全攸关的领域.由于模糊测试具有较强的故障揭示能力,运用模糊测试技术对深度学习系统进行测试成为研究热点.从测试用例生成(包括种子队列构建、种子选择和种子变异)、测试结果判定、覆盖分析 3个方面对已有的深度学习系统的模糊测试技术进行总结,并介绍常用的数据集以及度量指标,最后对其发展方向进行展望.
深度学习系统、模糊测试、研究进展
34
TP311(计算技术、计算机技术)
国家自然科学基金;北京市自然科学基金;航空科学基金
2023-11-10(万方平台首次上网日期,不代表论文的发表时间)
共21页
5008-5028