[1]中文名軟件測(cè)試方法外文名SoftwareTestingMethod目的測(cè)試軟件性能所屬行業(yè)計(jì)算機(jī)作用選擇合適的軟件目錄1概述2原則3分類靜態(tài)測(cè)試和動(dòng)態(tài)測(cè)試黑盒測(cè)試,、白盒測(cè)試和灰盒測(cè)試手動(dòng)測(cè)試和自動(dòng)化測(cè)試4不同階段測(cè)試單元測(cè)試集成測(cè)試系統(tǒng)測(cè)試驗(yàn)收測(cè)試5重要性軟件測(cè)試方法概述編輯軟件測(cè)試方法的目的包括：發(fā)現(xiàn)軟件程序中的錯(cuò)誤,、對(duì)軟件是否符合設(shè)計(jì)要求,，以及是否符合合同中所要達(dá)到的技術(shù)要求,，進(jìn)行有關(guān)驗(yàn)證以及評(píng)估軟件的質(zhì)量,。**終實(shí)現(xiàn)將高質(zhì)量的軟件系統(tǒng)交給用戶的目的。而軟件的基本測(cè)試方法主要有靜態(tài)測(cè)試和動(dòng)態(tài)測(cè)試,、功能測(cè)試,、性能測(cè)試、黑盒測(cè)試和白盒測(cè)試等等,。[2]軟件測(cè)試方法眾多,，比較常用到的測(cè)試方法有等價(jià)類劃分、場(chǎng)景法,，偶爾會(huì)使用到的測(cè)試方法有邊界值和判定表,，還有包括不經(jīng)常使用到的正交排列法和測(cè)試大綱法。其中等價(jià)類劃分、邊界值分析,、判定表等屬于黑盒測(cè)試方法；只對(duì)功能是否可以滿足規(guī)定要求進(jìn)行檢查,，主要用于軟件的確認(rèn)測(cè)試階段,。白盒測(cè)試也叫做結(jié)構(gòu)測(cè)試或邏輯驅(qū)動(dòng)測(cè)試，是基于覆蓋的全部代碼和路徑,、條件的測(cè)試,，通過(guò)測(cè)試檢測(cè)產(chǎn)品內(nèi)部性能，檢驗(yàn)程序中的路徑是否可以按照要求完成工作,，但是并不對(duì)功能進(jìn)行測(cè)試,，主要用于軟件的驗(yàn)證。用戶體驗(yàn)測(cè)評(píng)中界面交互評(píng)分低于同類產(chǎn)品均值15.6%,。江蘇軟件檢測(cè)報(bào)告

    所以第三方軟件檢測(cè)機(jī)構(gòu)可以說(shuō)是使用loadrunner軟件工具較多的一個(gè)業(yè)務(wù)領(lǐng)域,，也能保證軟件測(cè)試報(bào)告結(jié)果的性能準(zhǔn)確。二,、軟件測(cè)試漏洞掃描工具在客戶需要的軟件測(cè)試報(bào)告中,，軟件安全的滲透測(cè)試和漏洞掃描一般會(huì)作為信息安全性的軟件測(cè)試報(bào)告內(nèi)容。首先來(lái)說(shuō)一下漏洞掃描的工具,，這部分在*上有ibm很出名的一個(gè)掃描測(cè)試工具appscan,，以及針對(duì)web等的全量化掃描器nessus。國(guó)產(chǎn)的目前的綠盟漏洞掃描設(shè)備也做得非常好,，個(gè)人其實(shí)更建議用綠盟的漏洞掃描設(shè)備,，規(guī)則全，掃描速度快,，測(cè)試報(bào)告也更符合國(guó)情,。三、軟件測(cè)試滲透測(cè)試工具滲透測(cè)試屬于第三方軟件檢測(cè)測(cè)評(píng)過(guò)程中的比較專業(yè)的一個(gè)測(cè)試項(xiàng),，對(duì)技術(shù)的要求也比較高,，一般使用的工具為burpsuite這個(gè)專業(yè)安全工具，這個(gè)工具挺全能的,，不光是安全服務(wù)常用的工具,，同樣也認(rèn)可作為軟件滲透測(cè)試的工具輸出�,？偟膩�(lái)說(shuō),，第三方軟件檢測(cè)的那些軟件測(cè)試工具，都是為了確保軟件測(cè)試報(bào)告結(jié)果的整體有效性來(lái)進(jìn)行使用,，也是第三方檢測(cè)機(jī)構(gòu)作為自主實(shí)驗(yàn)室的這個(gè)性質(zhì),，提供了具備正規(guī)效力的軟件測(cè)試過(guò)程和可靠的第三方檢測(cè)結(jié)果，所以客戶可以有一個(gè)初步的軟件測(cè)試工具了解，也對(duì)獲取一份有效的第三方軟件測(cè)試報(bào)告的結(jié)果可以有更清楚的認(rèn)識(shí),。重慶市軟件測(cè)評(píng)中心人工智能在金融領(lǐng)域的應(yīng)用：艾策科技的實(shí)踐案例,。

    后端融合模型的10折交叉驗(yàn)證的準(zhǔn)確率是％，對(duì)數(shù)損失是,，混淆矩陣如圖13所示,，規(guī)范化后的混淆矩陣如圖14所示。后端融合模型的roc曲線如圖15所示,，其顯示后端融合模型的auc值為,。(6)中間融合中間融合的架構(gòu)如圖16所示，中間融合方式用深度神經(jīng)網(wǎng)絡(luò)從三種模態(tài)的特征分別抽取高等特征表示,，然后合并學(xué)習(xí)得到的特征表示,，再作為下一個(gè)深度神經(jīng)網(wǎng)絡(luò)的輸入訓(xùn)練模型，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(guò)擬合,，優(yōu)化器(optimizer)采用的是adagrad,，batch_size是40。圖16中,，用于抽取dll和api信息特征視圖的深度神經(jīng)網(wǎng)絡(luò)包含3個(gè)隱含層,，其***個(gè)隱含層的神經(jīng)元個(gè)數(shù)是128，第二個(gè)隱含層的神經(jīng)元個(gè)數(shù)是64,，第三個(gè)隱含層的神經(jīng)元個(gè)數(shù)是32,，且3個(gè)隱含層中間間隔設(shè)置有dropout層。用于抽取格式信息特征視圖的深度神經(jīng)網(wǎng)絡(luò)包含2個(gè)隱含層,，其***個(gè)隱含層的神經(jīng)元個(gè)數(shù)是64,，其第二個(gè)隱含層的神經(jīng)元個(gè)數(shù)是32，且2個(gè)隱含層中間設(shè)置有dropout層,。用于抽取字節(jié)碼n-grams特征視圖的深度神經(jīng)網(wǎng)絡(luò)包含4個(gè)隱含層,，其***個(gè)隱含層的神經(jīng)元個(gè)數(shù)是512，第二個(gè)隱含層的神經(jīng)元個(gè)數(shù)是384,，第三個(gè)隱含層的神經(jīng)元個(gè)數(shù)是256,，第四個(gè)隱含層的神經(jīng)元個(gè)數(shù)是125。

    圖書目錄第1章軟件測(cè)試描述第2章常見(jiàn)的軟件測(cè)試方法第3章設(shè)計(jì)測(cè)試第4章程序分析技術(shù)第5章測(cè)試分析技術(shù)第6章測(cè)試自動(dòng)化的優(yōu)越性第7章測(cè)試計(jì)劃與測(cè)試標(biāo)準(zhǔn)第8章介紹一種企業(yè)級(jí)測(cè)試工具第9章學(xué)習(xí)一種負(fù)載測(cè)試軟件第10章軟件測(cè)試的經(jīng)驗(yàn)總結(jié)附錄A常見(jiàn)測(cè)試術(shù)語(yǔ)附錄B測(cè)試技術(shù)分類附錄C常見(jiàn)的編碼錯(cuò)誤附錄D有關(guān)的測(cè)試網(wǎng)站參考文獻(xiàn)軟件測(cè)試技術(shù)圖書4書名:軟件測(cè)試技術(shù)第2版作者：徐芳層次：高職高專配套：電子課件出版社：機(jī)械工業(yè)出版社出版時(shí)間：2012-06-26ISBN:978-7-111-37884-6開(kāi)本：16開(kāi)定價(jià):目錄第1章開(kāi)始軟件測(cè)試工作第2章執(zhí)行系統(tǒng)測(cè)試第3章測(cè)試用例設(shè)計(jì)第4章測(cè)試工具應(yīng)用第5章測(cè)試技術(shù)與應(yīng)用第6章成為***的測(cè)試組長(zhǎng)第7章測(cè)試文檔實(shí)例詞條圖冊(cè)更多圖冊(cè),。第三方實(shí)驗(yàn)室驗(yàn)證數(shù)據(jù)處理速度較上代提升1.8倍,。

    **小化對(duì)數(shù)損失基本等價(jià)于**大化分類器的準(zhǔn)確度，對(duì)于完美的分類器,，對(duì)數(shù)損失值為0,。對(duì)數(shù)損失函數(shù)的計(jì)算公式如下：其中,，y為輸出變量即輸出的測(cè)試樣本的檢測(cè)結(jié)果，x為輸入變量即測(cè)試樣本,，l為損失函數(shù),，n為測(cè)試樣本(待檢測(cè)軟件的二進(jìn)制可執(zhí)行文件)數(shù)目，yij是一個(gè)二值指標(biāo),，表示與輸入的第i個(gè)測(cè)試樣本對(duì)應(yīng)的類別j,，類別j指良性軟件或惡意軟件，pij為輸入的第i個(gè)測(cè)試樣本屬于類別j的概率,，m為總類別數(shù),，本實(shí)施例中m＝2,。分類器的性能也可用roc曲線(receiveroperatingcharacteristic)評(píng)價(jià),，roc曲線的縱軸是檢測(cè)率(true****itiverate)，橫軸是誤報(bào)率(false****itiverate),，該曲線反映的是隨著檢測(cè)閾值變化下檢測(cè)率與誤報(bào)率之間的關(guān)系曲線,。roc曲線下面積(areaunderroccurve，auc)的值是評(píng)價(jià)分類器比較綜合的指標(biāo),，auc的值通常介于,，較大的auc值一般表示分類器的性能較優(yōu)。(3)特征提取提取dll和api信息特征視圖dll(dynamiclinklibrary)文件為動(dòng)態(tài)鏈接庫(kù)文件,，執(zhí)行某一個(gè)程序時(shí),，相應(yīng)的dll文件就會(huì)被調(diào)用。一個(gè)應(yīng)用程序可使用多個(gè)dll文件,，一個(gè)dll文件也可能被不同的應(yīng)用程序使用,。api(applicationprogramminginterface)函數(shù)是windows提供給用戶作為應(yīng)用程序開(kāi)發(fā)的接口。深圳艾策信息科技：打造智慧供應(yīng)鏈的關(guān)鍵技術(shù),。重慶市軟件測(cè)評(píng)中心

從傳統(tǒng)到智能：艾策科技助力制造業(yè)升級(jí)之路,。江蘇軟件檢測(cè)報(bào)告

    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(guò)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(duì)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(guò)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(duì)數(shù)損失和驗(yàn)證對(duì)數(shù)損失快速減少,；當(dāng)epoch值從5到50的過(guò)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(duì)數(shù)損失和驗(yàn)證對(duì)數(shù)損失緩慢下降,；綜合分析圖11和圖12的準(zhǔn)確率和對(duì)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)。江蘇軟件檢測(cè)報(bào)告