【CN110110854A】一种基于边状态的深度神经网络测试充分性的方法【专利】

(19)中华人民共和国国家知识产权局

(12)发明专利申请

(10)申请公布号 (43)申请公布日 (21)申请号 201910258666.X

(22)申请日 2019.04.01

(71)申请人 南京邮电大学

地址 210000 江苏省南京市鼓楼区新模范

马路66号

(72)发明人 王子元　钱航　

(74)专利代理机构 南京瑞弘专利商标事务所

(普通合伙) 32249

代理人 彭雄

(51)Int.Cl.

G06N 3/08(2006.01)

(54)发明名称

一种基于边状态的深度神经网络测试充分

性的方法

(57)摘要

本发明公开了一种基于边状态的深度神经

网络测试充分性的方法，包括准备待测模型和测

试用例；确定神经元状态以及记录神经元状态；

确定边的状态并记录边的状态；确定覆盖标准和

计算覆盖率并优化模型，本发明为神经网络模型

提供了新的测试指标，有助于测试人员挑选测试

用例或提升测试用例数据质量，同时也能为深度

学习测试的发展提供帮助。权利要求书1页 说明书5页 附图2页CN 110110854 A 2019.08.09

C N 110110854

A

1.一种基于边状态的深度神经网络测试充分性的方法，其特征在于，包括以下步骤：步骤1)准备待测深度神经网络模型和测试用例；

步骤2)确定神经元状态以及记录神经元状态：

步骤2.1)每一条测试用例输入深度神经网络模型时，记录每一个神经元的值；步骤2.2)给定激活阈值β；

步骤2.3)将每一个神经元的值与β进行比较，如果值大于β则记录为激活状态，如果值小于β则记录为未激活状态；

步骤3)根据连接的两个神经元的状态确定边的状态以及记录边的状态：

步骤3.1)边的状态由其连接的两个神经元的状态决定，根据两个神经元的状态可定义边的状态有“激活-激活”、“激活-未激活”、“未激活-激活”、“未激活-未激活”四种；

步骤3.2)根据之前记录的神经元状态计算每个测试用例下每条边的状态；

步骤3.3)记录每个测试用例输入下每条边的状态；

步骤4)确定覆盖标准和计算覆盖率：

步骤4.1)假设有测试用例套件T，如果在某个测试用例输入下，边e表现出“激活-激活”的状态，那么边e被T强激活边覆盖SAC；

假设有测试用例套件T，如果在某几个测试用例输入下，边e表现出“激活-激活”和“未激活-激活”的状态，那么边e被T输出激活边覆盖OAC；

假设有测试用例套件T，如果在某几个测试用例输入下，边e表现出“激活-激活”、“激活-未激活”、“未激活-激活”、“未激活-激活”的状态，那么边e被T全状态边覆盖FSC；

步骤4.2)根据不同的覆盖准则，统计满足覆盖准则中规定的所有状态的边的个数N COv ；步骤4.3)计算待测模型的所有隐藏层构成的边的个数N；

步骤4.4)计算满足条件的边占所有边的百分比即可得到对应的覆盖率COV；

计算公式为：

步骤4.5)根据计算出的覆盖率来优化深度神经网络模型。

2.根据权利要求1所述基于边状态的深度神经网络测试充分性方法，其特征在于：步骤

1)中准备待测深度神经网络模型和测试用例包括以下步骤：

步骤1.1)准备一个训练好的待测的深度神经网络模型；

步骤1.2)根据实际的深度神经网络模型准备好对应的测试用例；

步骤1.3)逐一将测试用例输入深度神经网络模型进行计算。

3.根据权利要求2所述基于边状态的深度神经网络测试充分性方法，其特征在于：覆盖率不能达到预期标准，则需要者提升数据质量或挑选测试用例。

权　利　要　求　书1/1页2CN 110110854 A