先將訓(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特征視圖分別輸入至一個(gè)深度神經(jīng)網(wǎng)絡(luò)中抽取高等特征表示,，然后合并抽取的高等特征表示并將其作為下一個(gè)深度神經(jīng)網(wǎng)絡(luò)的輸入進(jìn)行模型訓(xùn)練，得到多模態(tài)深度集成模型,。進(jìn)一步的,，所述多模態(tài)深度集成模型的隱藏層的***函數(shù)采用relu，輸出層的***函數(shù)采用sigmoid,，中間使用dropout層進(jìn)行正則化,，優(yōu)化器采用adagrad。進(jìn)一步的,，所述訓(xùn)練得到的多模態(tài)深度集成模型中,，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，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,，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,，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，且2個(gè)隱含層中間設(shè)置有dropout層,；所述dropout層的dropout率均等于,。本發(fā)明實(shí)施例的有益效果是，提出了一種基于多模態(tài)深度學(xué)習(xí)的惡意軟件檢測(cè)方法,，應(yīng)用了多模態(tài)深度學(xué)習(xí)方法來融合dll和api,、格式結(jié)構(gòu)信息、字節(jié)碼n-grams特征,。滲透測(cè)試報(bào)告暴露2個(gè)高危API接口需緊急加固,。北京軟件第三方測(cè)試

    **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)用程序開發(fā)的接口,。北京軟件第三方測(cè)試能耗評(píng)估顯示后臺(tái)服務(wù)耗電量超出行業(yè)基準(zhǔn)值42%。

    什么是軟件測(cè)試通過手工和自動(dòng)化工具對(duì)被測(cè)對(duì)象進(jìn)行檢測(cè),，驗(yàn)證實(shí)際結(jié)果和預(yù)期結(jié)果之間的差異,。軟件測(cè)試的原則1測(cè)試是為了證明軟件存在缺陷2測(cè)試應(yīng)該盡早介入3注意測(cè)試缺陷的群集效應(yīng)80-204殺蟲劑現(xiàn)象5合法數(shù)據(jù)和不合法數(shù)據(jù)和邊界值，網(wǎng)絡(luò)異常和電源斷電等6回歸測(cè)試防止出現(xiàn)更多問題7妥善保存一切測(cè)試文檔軟件測(cè)試的目的1暴露軟件中的缺陷和BUG2記錄軟件運(yùn)行中產(chǎn)生的一些數(shù)據(jù),，為開發(fā)提供改良的數(shù)據(jù)支持為什么需要軟件測(cè)試1功能實(shí)現(xiàn)且正確執(zhí)行2軟件運(yùn)行的信息數(shù)據(jù)如果一個(gè)產(chǎn)品開發(fā)完成之后發(fā)現(xiàn)了很多問題,，說明此軟件開發(fā)過程很可能是有缺陷的，因此,，軟件測(cè)試的目的是保證整個(gè)軟件開發(fā)過程是高質(zhì)量的,。測(cè)試分類1單元測(cè)試分單元2集成測(cè)試多個(gè)單元3系統(tǒng)測(cè)試用戶角度-功能主體4驗(yàn)證測(cè)試α測(cè)試-內(nèi)測(cè)β測(cè)試-公測(cè)UAT測(cè)試-客戶驗(yàn)收使用系統(tǒng)測(cè)試分類1功能測(cè)試2性能測(cè)試3安全測(cè)試4兼容性測(cè)試測(cè)試方法1按照測(cè)試對(duì)象分類白盒測(cè)試黑盒測(cè)試灰盒測(cè)試2按照測(cè)試對(duì)象是否執(zhí)行分類靜態(tài)測(cè)試動(dòng)態(tài)測(cè)試3按照測(cè)試手段進(jìn)行分類手工測(cè)試靈活改變測(cè)試操作和環(huán)境自動(dòng)化測(cè)試1自己寫腳本2第三方工具進(jìn)行測(cè)試軟件質(zhì)量1維護(hù)性2移植性3效率性4可靠性5易用性6功能性軟件測(cè)試流程1需求分析2設(shè)計(jì)用例3評(píng)審用例4。

    這樣做的好處是，融合模型的錯(cuò)誤來自不同的分類器,，而來自不同分類器的錯(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***享表示層是通過合并來自多個(gè)模態(tài)特定路徑的連接單元來構(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)的問題,。字節(jié)碼n-grams,、dll和api信息、格式結(jié)構(gòu)信息這三種類型的特征都具有自身的優(yōu)勢(shì),。自動(dòng)化測(cè)試發(fā)現(xiàn)7個(gè)邊界條件未處理的異常情況,。

    生成取值表。3把取值表與選擇的正交表進(jìn)行映射控件數(shù)Ln(取值數(shù))3個(gè)控件5個(gè)取值5的3次冪混合正交表當(dāng)控件的取值數(shù)目水平不一致時(shí)候,，使用allp**rs工具生成1等價(jià)類劃分法劃分值2邊界值分析法邊界值3錯(cuò)誤推斷法經(jīng)驗(yàn)4因果圖分析法關(guān)系5判定表法條件和結(jié)果6流程圖法流程路徑梳理7場(chǎng)景法主要功能和業(yè)務(wù)的事件8正交表先關(guān)注主要功能和業(yè)務(wù)流程,，業(yè)務(wù)邏輯是否正確實(shí)現(xiàn)，考慮場(chǎng)景法需要輸入數(shù)據(jù)的地方,，考慮等價(jià)類劃分法+邊界值分析法,，發(fā)現(xiàn)程序錯(cuò)誤的能力**強(qiáng)存在輸入條件的組合情況，考慮因果圖判定表法多種參數(shù)配置組合情況，正交表排列法采用錯(cuò)誤推斷法再追加測(cè)試用例,。需求分析場(chǎng)景法分析主要功能輸入的等價(jià)類邊界值輸入的各種組合因果圖判定表多種參數(shù)配置正交表錯(cuò)誤推斷法經(jīng)驗(yàn)軟件缺陷軟件產(chǎn)品中存在的問題,，用戶所需要的功能沒有完全實(shí)現(xiàn)。對(duì)比分析顯示資源占用率高于同類產(chǎn)品均值26%,。浙江第三方軟件測(cè)評(píng)機(jī)構(gòu)

如何選擇適合企業(yè)的 IT 解決方案,？北京軟件第三方測(cè)試

    等價(jià)類劃分法將不能窮舉的測(cè)試過程進(jìn)行合理分類，從而保證設(shè)計(jì)出來的測(cè)試用例具有完整性和**性,。有數(shù)據(jù)輸入的地方,，可以使用等價(jià)類劃分法。從大量數(shù)據(jù)中挑選少量**數(shù)據(jù)進(jìn)行測(cè)試有效等價(jià)類：符合需求規(guī)格說明書規(guī)定的數(shù)據(jù)用來測(cè)試功能是否正確實(shí)現(xiàn)無效等價(jià)類：不合理的輸入數(shù)據(jù)**一用來測(cè)試程序是否有強(qiáng)大的異常處理能力（健壯性）使用**少的測(cè)試數(shù)據(jù),，達(dá)到**好的測(cè)試質(zhì)量邊界值分析法對(duì)輸入或輸出的邊界值進(jìn)行測(cè)試的一種黑盒測(cè)試方法,。是作為對(duì)等價(jià)類劃分法的補(bǔ)充，這種情況下,，其測(cè)試用例來自等價(jià)類的邊界,。邊界點(diǎn)1、邊界是指相對(duì)于輸入等價(jià)類和輸出等價(jià)類而言,，稍高于,、稍低于其邊界值的一些特定情況。2,、邊界點(diǎn)分為上點(diǎn),、內(nèi)點(diǎn)和離點(diǎn)。如果是范圍[1,100]需要選擇0,1,2,50,99,100,101如果是個(gè)數(shù)**多20個(gè)[0,20]需要測(cè)0,10,20,，-1,21因果圖分析法用畫圖的方式表達(dá)輸入條件和輸出結(jié)果之間的關(guān)系,。1恒等2與3或4非5互斥1個(gè)或者不選6***必須是1個(gè)7包含可以多選不能不選8要求如果a=1，則要求b必須是1,，反之如果a=0時(shí),，b的值無所謂9**關(guān)系當(dāng)a=1時(shí)，要求b必須為0,；而當(dāng)a=0時(shí),。北京軟件第三方測(cè)試