一种集成片段信息的结构化输入程序模糊测试方法

来源 :电力信息与通信技术 | 被引量 : 0次 | 上传用户:ayun33
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
最近提出的Zest方法可以解决一般的模糊测试方法生成输入无法通过结构化输入程序检查的问题,但是它并不能像流行的基于覆盖率引导的模糊测试系统(如AFL)一样充分利用现有的输入用例来提高测试的覆盖率。文章提出一种集成片段信息的结构化输入程序模糊测试方法Zestlet,采用片段生成器从输入用例种子集中获取片段信息,然后通过集成片段信息的参数化生成器在模糊测试时生成输入。通过测试Apache Ant、Maven和Tomcat,发现Zestlet与Zest相比总覆盖率和有效覆盖率有明显提高,而实现同样的覆盖率所需时
其他文献
导航菜单是网页设计中比较重要的内容,可以帮助用户实现信息的快速定位。利用HTML语言中的项目列表可以方便快捷地设计出导航菜单,再利用CSS样式将导航菜单设计成以水平、垂直样式,以实现不同网页设计的需求。
随着电力物联网发展及能源数字化转型,电力边缘智能终端的适用场景不断拓展。AI芯片由于其本身智能分析及并行计算能力,成为电力边缘终端的主流核心器件之一,如何通过系统性的分析,根据应用场景选择合适的AI芯片成为目前亟需解决的问题。文章首先对AI芯片的技术架构和优缺点进行对比分析,然后根据电力系统的智能感知要求提出电力边缘智能终端的结构框架,并详细分析边缘智能终端构建的关键技术,最后结合电力典型应用场景提出了国产化可替代的AI芯片定制化选型方案。文章所提AI芯片化的电力边缘智能终端可以为电力边缘终端的设计、研发
TSP问题(旅行商问题)是一个典型的组合优化问题,遗传算法(Generation Algorithm,GA)和蚁群算法(Ant Colony Qptimization,ACO)都属于仿生型优化算法,通过两种算法解决TSP的仿真实验,对问题规模、运行时间、性能稳定性及正确性进行了对比分析。得出问题规模小于20时,ACO算法更优,问题规模大于20时则可采用GA算法。
随着电动汽车的普及,电气化交通大规模接入电网,导致电力系统的负担急剧增加,无约束的充电行为增加电网级联故障传播的风险及道路的拥堵程度,电网与交通网需要借助“智慧的大脑”——信息网以指挥自身的行为,因此,电网、信息网、交通网三者相互交叉耦合、相辅相成成为新的发展趋势。网络间的耦合增加网络的鲁棒性及网络的脆弱性,文章研究了三网间的耦合机理,并在此基础上,对比普通电网–交通网模型,并验证三网的可靠性。
接口测试是Java后端开发一种常用测试方法,重点关注数据传递是否存在异常。后端开发完成接口之后,通常需要进行接口测试,比如利用Postman工具进行接口测试。基于Java反射原理通过对接口类进行解析,包括接口的调用地址、方法名、调用参数、参数的类型等信息,最终生成JSON数据格式的文件并直接导入到Postman工具,即可进行接口测试,为接口测试提供了便利性,同时大大节省了人工输入接口相关组装地址名、参数名等信息填写的时间。
利用机器视觉技术从红外热像中提取感兴趣区域(Region Of Interest,ROI),是配网设备红外故障智能诊断的关键,但多目标区域阈值选取失配会导致图像关键细节信息丢失。为此,文章提出蝙蝠仿生算法的红外热像多阈值分割技术,利用寻优阈值对配网被检设备红外热像的多目标进行图像分割实验,重点突破了算法准确率指标提升问题。对比实验表明,相比于经典图像分割方法,本方法有效提升了算法运行速度与图像分割
文章提出了一种改进的去噪自编码器,提高了带噪电力线信道传输特性样本的识别成功率.所提方案以一维时间序列代替二维图片作为输入,改进了传统自编码器的处理数据网络结构,引入z-score标准化及对应的反标准化对输入输出信号进行处理,在提高去噪能力的同时加快了收敛速度.选取包含2个隐含层的4层神经网络从软件模型及硬件实现2个方面验证了所提方法的有效性.
随着电力物联网的建设,电力物联网平台面临海量异构终端接入的挑战以及数据爆发式增长的压力。文章面向电力物联网海量终端接入技术,探讨当前电力物联网终端接入在感知层、网络层、平台层和应用层面临的问题,并由此从信息感知、网络传输、实时计算和安全防护4个方面对终端接入技术展开研究综述。在感知层,针对电力物联网信息感知的关键作用,研究信息感知技术体系以及相关终端接入算法;在网络层,电力物联网产生大量数据流量,
近年来在工业运用软件中的监控组态软件已经开始受到广泛重视,合理构建监控组态软件,不仅能够增强监控体系的简化性、应用便利性,还能确保监控效果与发展水平具有一定的推广意义和应用价值。因此,在监控组态软件实际应用、发展的过程中,应重点研究其应用特点和情况,在未来发展的过程中准确选择软件平台、设计软件的架构,增强应用的水平。
为营造良好的网络环境,系统使用人工智能相关技术,自动化构建语料库,进行微博数据分析与可视化。系统通过网络爬取数据技术获取微博的相关数据;通过机器学习对获取的数据进行情感分析和主题聚类;通过自然语言处理相关技术提取关键词;通过Vue相关技术将数据可视化。