在介紹諸多知識點(diǎn)的過程當(dāng)中結(jié)合直觀形象的圖表或?qū)嶋H案例進(jìn)行深入淺出的分析，從而使讀者可以更好地理解秋掌握軟件測試?yán)碚撝R，并迅速地運(yùn)用到實(shí)際測試工作中去。本書適合作為各層次高等院校計(jì)算機(jī)及相關(guān)的教學(xué)用書，也可作為軟件測試人員的參考書。目錄前言第1章概述第2章軟件測試基礎(chǔ)第3章單元測試第4章集成測試第5章系統(tǒng)測試……軟件測試技術(shù)圖書2書名:軟件測試技術(shù)層次：高職高專配套：電子課件作者：徐芳出版社：機(jī)械工業(yè)出版社出版時(shí)間：2011-6-21ISBN:開本：16開定價(jià):￥內(nèi)容簡介本書根據(jù)軟件測試教學(xué)的需要，結(jié)合讀者對象未來的職業(yè)要求和定位，除了盡力***闡述軟件測試技術(shù)基本概念外，采取了計(jì)劃、設(shè)計(jì)與開發(fā)、執(zhí)行這樣的工程步驟來描述軟件測試的相關(guān)知識，使學(xué)生在學(xué)習(xí)軟件測試的技術(shù)知識時(shí)，能夠同時(shí)獲得工程化思維方式的訓(xùn)練。本書共7章。第1章介紹軟件測試的基本知識；第2章介紹如何制定軟件測試計(jì)劃；第3章介紹測試用例的設(shè)計(jì)和相關(guān)技術(shù)；第4章介紹執(zhí)行測試中相關(guān)技術(shù)和方法；第5章介紹實(shí)際工作中各種測試方法；第6章介紹MI公司的一套測試工具的使用，包括功能、性能和測試管理工具；第7章通過一個(gè)實(shí)例，給出了完整的與軟件測試相關(guān)的文檔。自動(dòng)化測試發(fā)現(xiàn)7個(gè)邊界條件未處理的異常情況。江蘇軟件產(chǎn)品測試中心

    它已被擴(kuò)展成與軟件生命周期融為一體的一組已定義的活動(dòng)。測試活動(dòng)遵循軟件生命周期的V字模型。測試人員在需求分析階段便開始著手制訂測試計(jì)劃，并根據(jù)用戶或客戶需求建立測試目標(biāo)，同時(shí)設(shè)計(jì)測試用例并制訂測試通過準(zhǔn)則。在集成級上，應(yīng)成立軟件測試**，提供測試技術(shù)培訓(xùn)，關(guān)鍵的測試活動(dòng)應(yīng)有相應(yīng)的測試工具予以支持。在該測試成熟度等級上，沒有正式的評審程序，沒有建立質(zhì)量過程和產(chǎn)品屬性的測試度量。集成級要實(shí)現(xiàn)4個(gè)成熟度目標(biāo)，它們分別是:建立軟件測試**，制訂技術(shù)培訓(xùn)計(jì)劃，軟件全壽命周期測試，控制和監(jiān)視測試過程。(I)建立軟件測試**軟件測試的過程及質(zhì)量對軟件產(chǎn)品質(zhì)量有直接影響。由于測試往往是在時(shí)間緊，壓力大的情況下所完成的一系列復(fù)雜的活動(dòng)，因此應(yīng)由訓(xùn)練有素的人員組成測試組。測試組要完成與測試有關(guān)的多種活動(dòng)，包括負(fù)責(zé)制訂測試計(jì)劃，實(shí)施測試執(zhí)行，記錄測試結(jié)果，制訂與測試有關(guān)的標(biāo)準(zhǔn)和測試度量，建立鍘試數(shù)據(jù)庫，測試重用，測試**以及測試評價(jià)等。建立軟件測試**要實(shí)現(xiàn)4個(gè)子目標(biāo):1)建立全**范圍內(nèi)的測試組，并得到上級管理層的領(lǐng)導(dǎo)和各方面的支持，包括經(jīng)費(fèi)支持。2)定義測試組的作用和職責(zé)。3)由訓(xùn)練有素的人員組成測試組。北京軟件測試報(bào)告隱私合規(guī)檢測確認(rèn)用戶數(shù)據(jù)加密符合GDPR標(biāo)準(zhǔn)要求。

    步驟s2、將軟件樣本中的類別已知的軟件樣本作為訓(xùn)練樣本，基于多模態(tài)數(shù)據(jù)融合方法，將訓(xùn)練樣本的dll和api信息特征視圖、格式信息特征視圖以及字節(jié)碼n-grams特征視圖輸入深度神經(jīng)網(wǎng)絡(luò)，訓(xùn)練多模態(tài)深度集成模型；步驟s3、將軟件樣本中的類別未知的軟件樣本作為測試樣本，并將測試樣本的dll和api信息特征視圖、格式信息特征視圖以及字節(jié)碼n-grams特征視圖輸入步驟s2訓(xùn)練得到的多模態(tài)深度集成模型中，對測試樣本進(jìn)行檢測并得出檢測結(jié)果。進(jìn)一步的，所述提取軟件樣本的二進(jìn)制可執(zhí)行文件的dll和api信息的特征表示，是統(tǒng)計(jì)當(dāng)前軟件樣本的導(dǎo)入節(jié)中引用的dll和api；所述提取軟件樣本的二進(jìn)制可執(zhí)行文件的pe格式結(jié)構(gòu)信息的特征表示，是先對當(dāng)前軟件樣本的二進(jìn)制可執(zhí)行文件進(jìn)行格式結(jié)構(gòu)解析，然后按照格式規(guī)范提取**該軟件樣本的格式結(jié)構(gòu)信息；所述提取軟件樣本的二進(jìn)制可執(zhí)行文件的字節(jié)碼n-grams的特征表示，是先將當(dāng)前軟件樣本件的二進(jìn)制可執(zhí)行文件轉(zhuǎn)換為十六進(jìn)制字節(jié)碼序列，然后采用n-grams方法在十六進(jìn)制字節(jié)碼序列中滑動(dòng)，產(chǎn)生大量的連續(xù)部分重疊的短序列特征。進(jìn)一步的，采用3-grams方法在十六進(jìn)制字節(jié)碼序列中滑動(dòng)產(chǎn)生連續(xù)部分重疊的短序列特征。進(jìn)一步的。

    在不知道多長的子序列能更好的表示可執(zhí)行文件的情況下，只能以固定窗口大小在字節(jié)碼序列中滑動(dòng)，產(chǎn)生大量的短序列，由機(jī)器學(xué)習(xí)方法選擇可能區(qū)分惡意軟件和良性軟件的短序列作為特征，產(chǎn)生短序列的方法叫n-grams?！?80074ff13b2”的字節(jié)碼序列，如果以3-grams產(chǎn)生連續(xù)部分重疊的短序列，將得到“080074”、“0074ff”、“74ff13”、“ff13b2”四個(gè)短序列。每個(gè)短序列特征的權(quán)重表示有多種方法。**簡單的方法是如果該短序列在具體樣本中出現(xiàn)，就表示為1；如果沒有出現(xiàn)，就表示為0，也可以用。本實(shí)施例采用3-grams方法提取特征，3-grams產(chǎn)生的短序列非常龐大，將產(chǎn)生224＝(16,777,216)個(gè)特征，如此龐大的特征集在計(jì)算機(jī)內(nèi)存中存儲和算法效率上都是問題。如果短序列特征的tf較小，對機(jī)器學(xué)習(xí)可能沒有意義，選取了tf**高的5000個(gè)短序列特征，計(jì)算每個(gè)短序列特征的，每個(gè)短序列特征的權(quán)重是判斷其所在軟件樣本是否為惡意軟件的依據(jù)，也是區(qū)分每個(gè)軟件樣本的依據(jù)。(4)前端融合前端融合的架構(gòu)如圖4所示，前端融合方式將三種模態(tài)的特征合并，然后輸入深度神經(jīng)網(wǎng)絡(luò)，隱藏層的***函數(shù)為relu，輸出層的***函數(shù)是sigmoid，中間使用dropout層進(jìn)行正則化，防止過擬合，優(yōu)化器。負(fù)載測試證實(shí)系統(tǒng)**大承載量較宣傳數(shù)據(jù)低18%。

    這種傳統(tǒng)方式幾乎不能檢測未知的新的惡意軟件種類，能檢測的已知惡意軟件經(jīng)過簡單加殼或混淆后又不能檢測，且使用多態(tài)變形技術(shù)的惡意軟件在傳播過程中不斷隨機(jī)的改變著二進(jìn)制文件內(nèi)容，沒有固定的特征，使用該方法也不能檢測。新出現(xiàn)的惡意軟件，特別是zero-day惡意軟件，在釋放到互聯(lián)網(wǎng)前，都使用主流的反**軟件測試，確保主流的反**軟件無法識別這些惡意軟件，使得當(dāng)前的反**軟件通常對它們無能為力，只有在惡意軟件大規(guī)模傳染后，捕獲到這些惡意軟件樣本，提取簽名和更新簽名庫，才能檢測這些惡意軟件?；跀?shù)據(jù)挖掘和機(jī)器學(xué)習(xí)的惡意軟件檢測方法將可執(zhí)行文件表示成不同抽象層次的特征，使用這些特征來訓(xùn)練分類模型，可實(shí)現(xiàn)惡意軟件的智能檢測，基于這些特征的檢測方法也取得了較高的準(zhǔn)確率。受文本分類方法的啟發(fā)，研究人員提出了基于二進(jìn)制可執(zhí)行文件字節(jié)碼n-grams的惡意軟件檢測方法，這類方法提取的特征覆蓋了整個(gè)二進(jìn)制可執(zhí)行文件，包括pe文件頭、代碼節(jié)、數(shù)據(jù)節(jié)、導(dǎo)入節(jié)、資源節(jié)等信息，但字節(jié)碼n-grams特征通常沒有明顯的語義信息，大量具有語義的信息丟失，很多語義信息提取不完整。此外，基于字節(jié)碼n-grams的檢測方法提取代碼節(jié)信息考慮了機(jī)器指令的操作數(shù)?；?AI 視覺識別的自動(dòng)化檢測系統(tǒng)，助力艾策實(shí)現(xiàn)生產(chǎn)線上的零缺陷品控目標(biāo)！廈門市軟件**測評

**掃描確認(rèn)軟件通過ISO 27001標(biāo)準(zhǔn)，無高危漏洞記錄。江蘇軟件產(chǎn)品測試中心

    坐標(biāo)點(diǎn)(0,1)**一個(gè)完美的分類器，它將所有的樣本都正確分類。roc曲線越接近左上角，該分類器的性能越好。從圖9可以看出，該方案的roc曲線非常接近左上角，性能較優(yōu)。另外，前端融合模型的auc值為。(5)后端融合后端融合的架構(gòu)如圖10所示，后端融合方式用三種模態(tài)的特征分別訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，然后進(jìn)行決策融合，隱藏層的***函數(shù)為relu，輸出層的***函數(shù)是sigmoid，中間使用dropout層進(jìn)行正則化，防止過擬合，優(yōu)化器(optimizer)采用的是adagrad，batch_size是40。本次實(shí)驗(yàn)使用了80％的樣本訓(xùn)練，20％的樣本驗(yàn)證，訓(xùn)練50個(gè)迭代以便于找到較優(yōu)的epoch值。隨著迭代數(shù)的增加，后端融合模型的準(zhǔn)確率變化曲線如圖11所示，模型的對數(shù)損失變化曲線如圖12所示。從圖11和圖12可以看出，當(dāng)epoch值從0增加到5過程中，模型的訓(xùn)練準(zhǔn)確率和驗(yàn)證準(zhǔn)確率快速提高，模型的訓(xùn)練對數(shù)損失和驗(yàn)證對數(shù)損失快速減少；當(dāng)epoch值從5到50的過程中，前端融合模型的訓(xùn)練準(zhǔn)確率和驗(yàn)證準(zhǔn)確率小幅提高，訓(xùn)練對數(shù)損失和驗(yàn)證對數(shù)損失緩慢下降；綜合分析圖11和圖12的準(zhǔn)確率和對數(shù)損失變化曲線，選取epoch的較優(yōu)值為40。確定模型的訓(xùn)練迭代數(shù)為40后，進(jìn)行了10折交叉驗(yàn)證實(shí)驗(yàn)。江蘇軟件產(chǎn)品測試中心