3)pe可選頭部有效尺寸的值不正確,，(4)節(jié)之間的“間縫”，(5)可疑的代碼重定向,，(6)可疑的代碼節(jié)名稱,，(7)可疑的頭部***，(8)來自,，(9)導(dǎo)入地址表被修改,，(10)多個pe頭部，(11)可疑的重定位信息,，(12)把節(jié)裝入到vmm的地址空間,，(13)可選頭部的sizeofcode域取值不正確，(14)含有可疑標(biāo)志,。存在明顯的統(tǒng)計差異的格式結(jié)構(gòu)特征包括：(1)無證書表,；(2)調(diào)試數(shù)據(jù)明顯小于正常文件，(3).text,、.rsrc,、.reloc和.rdata的characteristics屬性異常，(4)資源節(jié)的資源個數(shù)少于正常文件,。生成軟件樣本的字節(jié)碼n-grams特征視圖,，是統(tǒng)計了每個短序列特征的詞頻(termfrequency，tf),，即該短序列特征在軟件樣本中出現(xiàn)的頻率,。先從當(dāng)前軟件樣本的所有短序列特征中選取詞頻tf**高的多個短序列特征；然后計算選取的每個短序列特征的逆向文件頻率idf與詞頻tf的乘積,，并將其作為選取的每個短序列特征的特征值,，，表示該短序列特征表示其所在軟件樣本的能力越強,；**后在選取的詞頻tf**高的多個短序列特征中選取,，生成字節(jié)碼n-grams特征視圖。：＝tf×idf,；tf(termfrequency)是詞頻,，定義如下：其中，ni,j是短序列特征i在軟件樣本j中出現(xiàn)的次數(shù),，∑knk,j指軟件樣本j中所有短序列特征出現(xiàn)的次數(shù)之和,。數(shù)字化轉(zhuǎn)型中的挑戰(zhàn)與應(yīng)對：艾策科技的經(jīng)驗分享。西寧軟件評測單位
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,；(1)方案一：采用前端融合(early-fusion)方法，首先合并訓(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特征視圖的特征,，融合成一個單一的特征向量空間，然后將其作為深度神經(jīng)網(wǎng)絡(luò)模型的輸入,，訓(xùn)練多模態(tài)深度集成模型,；(2)方案二：首先利用訓(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特征視圖分別訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)模型,，合并訓(xùn)練的三個深度神經(jīng)網(wǎng)絡(luò)模型的決策輸出,，并將其作為感知機的輸入，訓(xùn)練得到**終的多模態(tài)深度集成模型,；(3)方案三：采用中間融合(intermediate-fusion)方法,，首先使用三個深度神經(jīng)網(wǎng)絡(luò)分別學(xué)習(xí)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特征視圖的高等特征表示,，并合并學(xué)習(xí)得到的訓(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特征視圖的高等特征表示融合成一個單一的特征向量空間，然后將其作為下一個深度神經(jīng)網(wǎng)絡(luò)的輸入,，訓(xùn)練得到多模態(tài)深度神經(jīng)網(wǎng)絡(luò)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,。沈陽軟件cma實驗室整合多學(xué)科團隊的定制化檢測方案,，體現(xiàn)艾策服務(wù)于制造的技術(shù)深度。
optimizer)采用的是adagrad,，batch_size是40,。深度神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練基本都是基于梯度下降的，尋找函數(shù)值下降速度**快的方向,，沿著下降方向迭代,，迅速到達局部**優(yōu)解的過程就是梯度下降的過程。使用訓(xùn)練集中的全部樣本訓(xùn)練一次就是一個epoch,，整個訓(xùn)練集被使用的總次數(shù)就是epoch的值,。epoch值的變化會影響深度神經(jīng)網(wǎng)絡(luò)的權(quán)重值的更新次數(shù)。本次實驗使用了80％的樣本訓(xùn)練,，20％的樣本驗證,，訓(xùn)練50個迭代以便于找到較優(yōu)的epoch值。隨著迭代數(shù)的增加,，前端融合模型的準(zhǔn)確率變化曲線如圖5所示,，模型的對數(shù)損失變化曲線如圖6所示,。從圖5和圖6可以看出，當(dāng)epoch值從0增加到5過程中,，模型的驗證準(zhǔn)確率和驗證對數(shù)損失有一定程度的波動,；當(dāng)epoch值從5到50的過程中，前端融合模型的訓(xùn)練準(zhǔn)確率和驗證準(zhǔn)確率基本不變,，訓(xùn)練和驗證對數(shù)損失基本不變；綜合分析圖5和圖6的準(zhǔn)確率和對數(shù)損失變化曲線,，選取epoch的較優(yōu)值為30,。確定模型的訓(xùn)練迭代數(shù)為30后，進行了10折交叉驗證實驗,。前端融合模型的10折交叉驗證的準(zhǔn)確率是％,，對數(shù)損失是，混淆矩陣如圖7所示,，規(guī)范化后的混淆矩陣如圖8所示,。前端融合模型的roc曲線如圖9所示，該曲線反映的是隨著檢測閾值變化下檢測率與誤報率之間的關(guān)系曲線,。
圖書目錄第1章軟件測試描述第2章常見的軟件測試方法第3章設(shè)計測試第4章程序分析技術(shù)第5章測試分析技術(shù)第6章測試自動化的優(yōu)越性第7章測試計劃與測試標(biāo)準(zhǔn)第8章介紹一種企業(yè)級測試工具第9章學(xué)習(xí)一種負(fù)載測試軟件第10章軟件測試的經(jīng)驗總結(jié)附錄A常見測試術(shù)語附錄B測試技術(shù)分類附錄C常見的編碼錯誤附錄D有關(guān)的測試網(wǎng)站參考文獻軟件測試技術(shù)圖書4書名:軟件測試技術(shù)第2版作者：徐芳層次：高職高專配套：電子課件出版社：機械工業(yè)出版社出版時間：2012-06-26ISBN:978-7-111-37884-6開本：16開定價:目錄第1章開始軟件測試工作第2章執(zhí)行系統(tǒng)測試第3章測試用例設(shè)計第4章測試工具應(yīng)用第5章測試技術(shù)與應(yīng)用第6章成為***的測試組長第7章測試文檔實例詞條圖冊更多圖冊,。第三方實驗室驗證數(shù)據(jù)處理速度較上代提升1.8倍。
收藏查看我的收藏0有用+1已投票0軟件測試技術(shù)編輯鎖定討論上傳視頻軟件測試技術(shù)是軟件開發(fā)過程中的一個重要組成部分,，是貫穿整個軟件開發(fā)生命周期,、對軟件產(chǎn)品（包括階段性產(chǎn)品）進行驗證和確認(rèn)的活動過程，其目的是盡快盡早地發(fā)現(xiàn)在軟件產(chǎn)品中所存在的各種問題一一與用戶需求,、預(yù)先定義的不一致性,。檢查軟件產(chǎn)品的bug。寫成測試報告,，交于開發(fā)人員修改,。軟件測試人員的基本目標(biāo)是發(fā)現(xiàn)軟件中的錯誤。中文名軟件測試技術(shù)簡介單元測試,、集成測試主要步驟測試設(shè)計與開發(fā)常見測試回歸測試功能測試目錄1主要步驟2基本功能3測試目標(biāo)4測試目的5常見測試6測試分類7測試工具8同名圖書圖書1圖書2圖書3圖書4軟件測試技術(shù)主要步驟編輯1,、測試計劃2、測試設(shè)計與開發(fā)3,、執(zhí)行測試軟件測試技術(shù)基本功能編輯1,、驗證（Verification）2、確認(rèn)（Validation）軟件測試人員應(yīng)具備的知識：1,、軟件測試技術(shù)2,、被測試應(yīng)用程序及相關(guān)應(yīng)用領(lǐng)域軟件測試技術(shù)測試目標(biāo)編輯1、軟件測試人員所追求的是盡可能早地找出軟件的錯誤,；2,、軟件測試人員必須確保找出的軟件錯誤得以關(guān)閉,。艾策科技案例研究：某跨國企業(yè)的數(shù)字化轉(zhuǎn)型實踐。呼和浩特軟件檢測報告
漏洞掃描報告顯示依賴庫存在5個已知CVE漏洞,。西寧軟件評測單位
所述生成軟件樣本的dll和api信息特征視圖,，是先統(tǒng)計所有類別已知的軟件樣本的pe可執(zhí)行文件引用的dll和api信息，從中選取引用頻率**高的多個dll和api信息,；然后判斷當(dāng)前的軟件樣本的導(dǎo)入節(jié)里是否存在選擇出的某個引用頻率**高的dll和api信息,，如存在，則將當(dāng)前軟件樣本的該dll或api信息以1表示,，否則將其以0表示,，從而對當(dāng)前軟件樣本的所有dll和api信息進行表示形成當(dāng)前軟件樣本的dll和api信息特征視圖。進一步的,，所述生成軟件樣本的格式信息特征視圖,，是從當(dāng)前軟件樣本的pe格式結(jié)構(gòu)信息中選取可能區(qū)分惡意軟件和良性軟件的pe格式結(jié)構(gòu)特征，形成當(dāng)前軟件樣本的格式信息特征視圖,。進一步的,，所述從當(dāng)前軟件樣本的pe格式結(jié)構(gòu)信息中選取可能區(qū)分惡意軟件和良性軟件的pe格式結(jié)構(gòu)特征，是從當(dāng)前軟件樣本的pe格式結(jié)構(gòu)信息中確定存在特定格式異常的pe格式結(jié)構(gòu)特征以及存在明顯的統(tǒng)計差異的格式結(jié)構(gòu)特征,；所述特定格式異常包括：(1)代碼從**后一節(jié)開始執(zhí)行,，(2)節(jié)頭部可疑的屬性，(3)pe可選頭部有效尺寸的值不正確,，(4)節(jié)之間的“間縫”,，(5)可疑的代碼重定向，(6)可疑的代碼節(jié)名稱,，(7)可疑的頭部***,，(8)來自，(9)導(dǎo)入地址表被修改,，(10)多個pe頭部,，(11)可疑的重定位信息，,。西寧軟件評測單位
