基于启发式遗传算法的模糊测试样本集优化方案

基于启发式遗传算法的模糊测试样本集优化方案
王志华;王浩帆;程漫漫
【期刊名称】《北京航空航天大学学报》
【年(卷),期】2022(48)2
【摘要】模糊测试作为当前最有效的漏洞挖掘方法,不仅比其他漏洞挖掘技术更能应对复杂的程序,而且可扩展性很强。

在数据量相对较大的测试中,模糊测试输入样本集存在质量低、冗余性高和可用性弱等问题。

因此,对模糊测试输入样本集进行研究,提出了启发式遗传算法,借助0-1矩阵,通过启发式遗传算法对样本的执行路径进行选取和压缩,从而获得优化后兼顾样本质量的样本集最小样本集合,进而加快模糊测试的效率。

实验结果表明:在没有损失的情况下,样本集精简后模糊测试的时间比精简前降低了22%,压缩率相比传统方案提升约40%。

【总页数】8页(P217-224)
【作者】王志华;王浩帆;程漫漫
【作者单位】郑州大学网络空间安全学院
【正文语种】中文
【中图分类】TP399
【相关文献】
1.基于启发式算法和自适应模糊逻辑方案优化VANET性能
2.基于遗传算法优化综合启发式的中文网页特征提取
3.基于启发式遗传算法的列车节能运行目标速度曲
线优化算法研究4.基于启发式遗传算法的时分星间网络拓扑优化设计5.基于启发式遗传算法的近距空中支援超网络结构优化
因版权原因，仅展示原文概要，查看原文内容请购买。