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（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。深圳艾策信息科技：可持續(xù)發(fā)展的 IT 解決方案。西安軟件評測

    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)含有可疑標志。此外,，惡意軟件和良性軟件間以下格式特征也存在明顯的統(tǒng)計差異：(1)證書表是軟件廠商的可認證的聲明,，惡意軟件很少有證書表，而良性軟件大部分都有軟件廠商可認證的聲明,；(2)惡意軟件的調(diào)試數(shù)據(jù)也明顯小于正常文件的,，這是因為惡意軟件為了增加調(diào)試的難度，很少有調(diào)試數(shù)據(jù),；(3)惡意軟件4個節(jié)(.text,、.rsrc、.reloc和.rdata)的characteristics屬性和良性軟件的也有明顯差異,，characteristics屬性通常**該節(jié)是否可讀,、可寫、可執(zhí)行等,，部分惡意軟件的代碼節(jié)存在可寫異常,，只讀數(shù)據(jù)節(jié)和資源節(jié)存在可寫、可執(zhí)行異常等,；(4)惡意軟件資源節(jié)的資源個數(shù)也明顯少于良性軟件的,，如消息表、組圖表,、版本資源等,，這是因為惡意軟件很少使用圖形界面資源，也很少有版本信息,。pe文件很多格式屬性沒有強制限制,，文件完整性約束松散，存在著較多的冗余屬性和冗余空間,，為pe格式惡意軟件的傳播和隱藏創(chuàng)造了條件,。此外，由于惡意軟件為了方便傳播和隱藏,，盡一切可能的減小文件大小,，文件結(jié)構(gòu)的某些部分重疊，同時對一些屬性進行了特別設(shè)置以達到anti-dump,、anti-debug或抗反匯編,。上海 軟件 第三方測試用戶體驗測評中界面交互評分低于同類產(chǎn)品均值15.6%。

    ***級初始級TMM初始級軟件測試過程的特點是測試過程無序,，有時甚至是混亂的,，幾乎沒有妥善定義的,。初始級中軟件的測試與調(diào)試常常被混為一談，軟件開發(fā)過程中缺乏測試資源,，工具以及訓(xùn)練有素的測試人員。初始級的軟件測試過程沒有定義成熟度目標,。第二級定義級TMM的定義級中,，測試己具備基本的測試技術(shù)和方法，軟件的測試與調(diào)試己經(jīng)明確地被區(qū)分開,。這時,，測試被定義為軟件生命周期中的一個階段，它緊隨在編碼階段之后,。但在定義級中,，測試計劃往往在編碼之后才得以制訂，這顯然有背于軟件工程的要求,。TMM的定義級中需實現(xiàn)3個成熟度目標:制訂測試與調(diào)試目標,，啟動測試計劃過程，制度化基本的測試技術(shù)和方法,。(I)制訂測試與調(diào)試目標軟件**必須消晰地區(qū)分軟件開發(fā)的測試過程與調(diào)試過程,，識別各自的目標，任務(wù)和括動,。正確區(qū)分這兩個過程是提高軟件**測試能力的基礎(chǔ),。與調(diào)試工作不同，測試工作是一種有計劃的活動,，可以進行管理和控制,。這種管理和控制活動需要制訂相應(yīng)的策略和政策，以確定和協(xié)調(diào)這兩個過程,。制訂測試與調(diào)試目標包含5個子成熟度目標:1)分別形成測試**和調(diào)試**,，并有經(jīng)費支持。2)規(guī)劃并記錄測試目標,。3)規(guī)劃井記錄調(diào)試目標,。4)將測試和調(diào)試目標形成文檔。

    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)含有可疑標志；所述存在明顯的統(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,。進一步的，所述生成軟件樣本的字節(jié)碼n-grams特征視圖的具體實現(xiàn)過程如下：先從當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,；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,，k為短序列特征總數(shù)，1≤i≤k,；其中,，|d|指軟件樣本j的總數(shù)，|{j:i∈j}|指包含短序列特征i的軟件樣本j的數(shù)目,。進一步的,，所述步驟s2采用中間融合方法訓(xùn)練多模態(tài)深度集成模型。人工智能在金融領(lǐng)域的應(yīng)用：艾策科技的實踐案例,。

    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,，從而對當前軟件樣本的所有dll和api信息進行表示形成當前軟件樣本的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，形成當前軟件樣本的格式信息特征視圖,。進一步的,，所述從當前軟件樣本的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,，。第三方驗證實際啟動速度較廠商宣稱慢0.7秒,。北京軟件第三方測試

云計算與 AI 融合：深圳艾策的創(chuàng)新解決方案。西安軟件評測

    并將測試樣本的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特征視圖輸入步驟s2訓(xùn)練得到的多模態(tài)深度集成模型中,，對測試樣本進行檢測并得出檢測結(jié)果。實驗結(jié)果與分析(1)樣本數(shù)據(jù)集選取實驗評估使用了不同時期的惡意軟件和良性軟件樣本,，包含了7871個良性軟件樣本和8269個惡意軟件樣本,，其中4103個惡意軟件樣本是2011年以前發(fā)現(xiàn)的，4166個惡意軟件樣本是近年來新發(fā)現(xiàn)的,；3918個良性軟件樣本是從全新安裝的windowsxpsp3系統(tǒng)中收集的,，3953個良性軟件樣本是從全新安裝的32位windows7系統(tǒng)中收集的。所有的惡意軟件樣本都是從vxheavens網(wǎng)站中收集的,，所有的樣本格式都是windowspe格式的,，樣本數(shù)據(jù)集構(gòu)成如表1所示。表1樣本數(shù)據(jù)集類別惡意軟件樣本良性軟件樣本早期樣本41033918近期樣本41663953合計82697871(2)評價指標及方法分類性能主要用兩個指標來評估：準確率和對數(shù)損失,。準確率測量所有預(yù)測中正確預(yù)測的樣本占總樣本的比例,，*憑準確率通常不足以評估預(yù)測的魯棒性，因此還需要使用對數(shù)損失,。對數(shù)損失(logarithmicloss),，也稱交叉熵損失(cross-entropyloss)，是在概率估計上定義的,，用于測量預(yù)測類別與真實類別之間的差距大小,。西安軟件評測