之所以被稱(chēng)為黑盒測(cè)試是因?yàn)榭梢詫⒈粶y(cè)程序看成是一個(gè)無(wú)法打開(kāi)的黑盒，而工作人員在不軟件測(cè)試方法考慮任何程序內(nèi)部結(jié)構(gòu)和特性的條件下,，根據(jù)需求規(guī)格說(shuō)明書(shū)設(shè)計(jì)測(cè)試實(shí)例,，并檢查程序的功能是否能夠按照規(guī)范說(shuō)明準(zhǔn)確無(wú)誤的運(yùn)行。其主要是對(duì)軟件界面和軟件功能進(jìn)行測(cè)試,。對(duì)于黑盒測(cè)試行為必須加以量化才能夠有效的保證軟件的質(zhì)量,。[5]（2）白盒測(cè)試。其與黑盒測(cè)試不同,，它主要是借助程序內(nèi)部的邏輯和相關(guān)信息,，通過(guò)檢測(cè)內(nèi)部動(dòng)作是否按照設(shè)計(jì)規(guī)格說(shuō)明書(shū)的設(shè)定進(jìn)行，檢查每一條通路能否正常工作,。白盒測(cè)試是從程序結(jié)構(gòu)方面出發(fā)對(duì)測(cè)試用例進(jìn)行設(shè)計(jì),。其主要用于檢查各個(gè)邏輯結(jié)構(gòu)是否合理，對(duì)應(yīng)的模塊**路徑是否正常以及內(nèi)部結(jié)構(gòu)是否有效,。常用的白盒測(cè)試法有控制流分析,、數(shù)據(jù)流分析,、路徑分析,、程序變異等，其中邏輯覆蓋法是主要的測(cè)試方法,。[5]（3）灰盒測(cè)試,。灰盒測(cè)試則介于黑盒測(cè)試和白盒測(cè)試之間,�,；液袦y(cè)試除了重視輸出相對(duì)于出入的正確性，也看重其內(nèi)部表現(xiàn),。但是它不可能像白盒測(cè)試那樣詳細(xì)和完整,。它只是簡(jiǎn)單的靠一些象征性的現(xiàn)象或標(biāo)志來(lái)判斷其內(nèi)部的運(yùn)行情況，因此在內(nèi)部結(jié)果出現(xiàn)錯(cuò)誤,，但輸出結(jié)果正確的情況下可以采取灰盒測(cè)試方法,。因?yàn)樵诖饲闆r下灰盒比白盒**。人工智能在金融領(lǐng)域的應(yīng)用：艾策科技的實(shí)踐案例,。貴陽(yáng)軟件評(píng)測(cè)中心

    所述生成軟件樣本的dll和api信息特征視圖,，是先統(tǒng)計(jì)所有類(lèi)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(gè)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(gè)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(duì)當(dāng)前軟件樣本的所有dll和api信息進(jìn)行表示形成當(dāng)前軟件樣本的dll和api信息特征視圖,。進(jìn)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(jìn)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(jì)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(kāi)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(chēng)，(7)可疑的頭部***,，(8)來(lái)自,，(9)導(dǎo)入地址表被修改，(10)多個(gè)pe頭部,，(11)可疑的重定位信息,，。重慶軟件測(cè)試艾策檢測(cè)為新能源汽車(chē)電池提供安全性能深度解析,。

    [3]軟件測(cè)試方法原則編輯1.盡早不斷測(cè)試的原則應(yīng)當(dāng)盡早不斷地進(jìn)行軟件測(cè)試,。據(jù)統(tǒng)計(jì)約60%的錯(cuò)誤來(lái)自設(shè)計(jì)以前，并且修正一個(gè)軟件錯(cuò)誤所需的費(fèi)用將隨著軟件生存周期的進(jìn)展而上升,。錯(cuò)誤發(fā)現(xiàn)得越早,，修正它所需的費(fèi)用就越少。[4]測(cè)試用例由測(cè)試輸入數(shù)據(jù)和與之對(duì)應(yīng)的預(yù)期輸出結(jié)果這兩部分組成,。[4]3.**測(cè)試原則(1)**測(cè)試原則,。這是指軟件測(cè)試工作由在經(jīng)濟(jì)上和管理上**于開(kāi)發(fā)機(jī)構(gòu)的**進(jìn)行。程序員應(yīng)避*査自己的程序,，程序設(shè)計(jì)機(jī)構(gòu)也不應(yīng)測(cè)試自己開(kāi)發(fā)的程序,。軟件開(kāi)發(fā)者難以客觀、有效地測(cè)試自己的軟件,，而找出那些因?yàn)閷?duì)需求的誤解而產(chǎn)生的錯(cuò)誤就更加困難,。[4](2)合法和非合法原則。在設(shè)計(jì)時(shí),，測(cè)試用例應(yīng)當(dāng)包括合法的輸入條件和不合法的輸入條件,。[4](3)錯(cuò)誤群集原則。軟件錯(cuò)誤呈現(xiàn)群集現(xiàn)象。經(jīng)驗(yàn)表明,，某程序段剩余的錯(cuò)誤數(shù)目與該程序段中已發(fā)現(xiàn)的錯(cuò)誤數(shù)目成正比,，所以應(yīng)該對(duì)錯(cuò)誤群集的程序段進(jìn)行重點(diǎn)測(cè)試。[4](4)嚴(yán)格性原則,。嚴(yán)格執(zhí)行測(cè)試計(jì)劃,，排除測(cè)試的隨意性。[4](5)覆蓋原則,。應(yīng)當(dāng)對(duì)每一個(gè)測(cè)試結(jié)果做***的檢查,。[4](6)定義功能測(cè)試原則。檢查程序是否做了要做的事*是成功的一半,，另一半是看程序是否做了不屬于它做的事,。[4](7)回歸測(cè)試原則。應(yīng)妥善保留測(cè)試用例,。

    2）軟件產(chǎn)品登記測(cè)試流程材料準(zhǔn)備并遞交------實(shí)驗(yàn)室受理------環(huán)境準(zhǔn)備------測(cè)試實(shí)施------輸出報(bào)告------通知客戶------繳費(fèi)并取報(bào)告服務(wù)區(qū)域北京,、上海、廣州,、深圳,、重慶、杭州,、南京,、蘇州等**各地軟件測(cè)試報(bào)告|軟件檢測(cè)報(bào)告以“軟件質(zhì)量為目標(biāo)，貫穿整個(gè)軟件生命周期,、覆蓋軟件測(cè)試生命周期”的**測(cè)試服務(wù)模式,，真正做到了“軟件測(cè)試應(yīng)該越早介入越好的原則”，從軟件生命周期的每一個(gè)環(huán)節(jié)把控軟件產(chǎn)品質(zhì)量,；提供軟件產(chǎn)品質(zhì)量度量依據(jù)，提供軟件可靠性分析依據(jù),。軟件成果鑒定測(cè)試結(jié)果可以作為軟件類(lèi)科技成果鑒定的依據(jù),。提供功能、性能,、標(biāo)準(zhǔn)符合性,、易用性、安全性,、可靠性等專(zhuān)項(xiàng)測(cè)試服務(wù),。科技項(xiàng)目驗(yàn)收測(cè)試報(bào)告及鑒定結(jié)論,可以真實(shí)反映指標(biāo)的技術(shù)水平和市場(chǎng)價(jià)值,有助于項(xiàng)目成交和產(chǎn)品營(yíng)銷(xiāo),。安全審計(jì)發(fā)現(xiàn)日志模塊存在敏感信息明文存儲(chǔ)缺陷,。

    這樣做的好處是，融合模型的錯(cuò)誤來(lái)自不同的分類(lèi)器，而來(lái)自不同分類(lèi)器的錯(cuò)誤往往互不相關(guān),、互不影響,，不會(huì)造成錯(cuò)誤的進(jìn)一步累加。常見(jiàn)的后端融合方式包括**大值融合(max-fusion),、平均值融合(averaged-fusion),、貝葉斯規(guī)則融合(bayes’rulebased)以及集成學(xué)習(xí)(ensemblelearning)等。其中集成學(xué)習(xí)作為后端融合方式的典型**,，被廣泛應(yīng)用于通信,、計(jì)算機(jī)識(shí)別、語(yǔ)音識(shí)別等研究領(lǐng)域,。中間融合是指將不同的模態(tài)數(shù)據(jù)先轉(zhuǎn)化為高等特征表達(dá),，再于模型的中間層進(jìn)行融合，如圖3所示,。以深度神經(jīng)網(wǎng)絡(luò)為例,，神經(jīng)網(wǎng)絡(luò)通過(guò)一層一層的管道映射輸入，將原始輸入轉(zhuǎn)換為更高等的表示,。中間融合首先利用神經(jīng)網(wǎng)絡(luò)將原始數(shù)據(jù)轉(zhuǎn)化成高等特征表達(dá),，然后獲取不同模態(tài)數(shù)據(jù)在高等特征空間上的共性，進(jìn)而學(xué)習(xí)一個(gè)聯(lián)合的多模態(tài)表征,。深度多模態(tài)融合的大部分工作都采用了這種中間融合的方法,，其***享表示層是通過(guò)合并來(lái)自多個(gè)模態(tài)特定路徑的連接單元來(lái)構(gòu)建的。中間融合方法的一大優(yōu)勢(shì)是可以靈活的選擇融合的位置,，但設(shè)計(jì)深度多模態(tài)集成結(jié)構(gòu)時(shí),，確定如何融合、何時(shí)融合以及哪些模式可以融合,，是比較有挑戰(zhàn)的問(wèn)題,。字節(jié)碼n-grams、dll和api信息,、格式結(jié)構(gòu)信息這三種類(lèi)型的特征都具有自身的優(yōu)勢(shì),。漏洞掃描報(bào)告顯示依賴(lài)庫(kù)存在5個(gè)已知CVE漏洞。長(zhǎng)春第三方軟件檢測(cè)實(shí)驗(yàn)室

性能基準(zhǔn)測(cè)試GPU利用率未達(dá)理論最大值67%,。貴陽(yáng)軟件評(píng)測(cè)中心

    且4個(gè)隱含層中間間隔設(shè)置有dropout層,。用于輸入合并抽取的高等特征表示的深度神經(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,，第二個(gè)神經(jīng)元的隱含層個(gè)數(shù)是10,，且2個(gè)隱含層中間設(shè)置有dropout層。且所有dropout層的dropout率等于,。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,，中間融合模型的準(zhǔn)確率變化曲線如圖17所示,，模型的對(duì)數(shù)損失變化曲線如圖18所示。從圖17和圖18可以看出,，當(dāng)epoch值從0增加到20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30到50的過(guò)程中,，中間融合模型的訓(xùn)練準(zhǔn)確率和驗(yàn)證準(zhǔn)確率基本保持不變，訓(xùn)練對(duì)數(shù)損失緩慢下降,；綜合分析圖17和圖18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30。確定模型的訓(xùn)練迭代數(shù)為30后,，進(jìn)行了10折交叉驗(yàn)證實(shí)驗(yàn),。中間融合模型的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19所示,，規(guī)范化后的混淆矩陣如圖20所示。中間融合模型的roc曲線如圖21所示,，auc值為,，已經(jīng)非常接近auc的**優(yōu)值1。(7)實(shí)驗(yàn)結(jié)果比對(duì)為了綜合評(píng)估本實(shí)施例提出融合方案的綜合性能,。貴陽(yáng)軟件評(píng)測(cè)中心