此外格式結(jié)構(gòu)信息具有明顯的語義信息，但基于格式結(jié)構(gòu)信息的檢測(cè)方法沒有提取決定軟件行為的代碼節(jié)和數(shù)據(jù)節(jié)信息作為特征,。某一種類型的特征都從不同的視角反映刻畫了可執(zhí)行文件的一些性質(zhì),，字節(jié)碼n-grams、dll和api信息,、格式結(jié)構(gòu)信息都部分捕捉到了惡意軟件和良性軟件間的可區(qū)分信息,，但都存在著一定的局限性，不能充分,、綜合,、整體的表示可執(zhí)行文件的本質(zhì)，使得檢測(cè)結(jié)果準(zhǔn)確率不高,、可靠性低,、泛化性和魯棒性不佳。此外,，惡意軟件通常偽造出和良性軟件相似的特征,，逃避反**軟件的檢測(cè)。技術(shù)實(shí)現(xiàn)要素：本發(fā)明實(shí)施例的目的在于提供一種基于多模態(tài)深度學(xué)習(xí)的惡意軟件檢測(cè)方法,，以解決現(xiàn)有采用二進(jìn)制可執(zhí)行文件的單一特征類型進(jìn)行惡意軟件檢測(cè)的檢測(cè)方法檢測(cè)準(zhǔn)確率不高,、檢測(cè)可靠性低、泛化性和魯棒性不佳的問題,，以及其難以檢測(cè)出偽造良性軟件特征的惡意軟件的問題,。本發(fā)明實(shí)施例所采用的技術(shù)方案是，基于多模態(tài)深度學(xué)習(xí)的惡意軟件檢測(cè)方法,，按照以下步驟進(jìn)行：步驟s1,、提取軟件樣本的二進(jìn)制可執(zhí)行文件的dll和api信息、pe格式結(jié)構(gòu)信息以及字節(jié)碼n-grams的特征表示,，生成軟件樣本的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。跨設(shè)備測(cè)試報(bào)告指出平板端UI元素存在比例失調(diào)問題,。信息化項(xiàng)目軟件檢測(cè)報(bào)告

    保留了較多信息,，同時(shí)由于操作數(shù)比較隨機(jī)，某種程度上又沒有抓住主要矛盾,，干擾了主要語義信息的提取,。pe文件即可移植文件導(dǎo)入節(jié)中的動(dòng)態(tài)鏈接庫(dll)和應(yīng)用程序接口(api)信息能大致反映軟件的功能和性質(zhì)，通過一個(gè)可執(zhí)行程序引用的dll和api信息可以粗略的預(yù)測(cè)該程序的功能和行為,。belaoued和mazouzi應(yīng)用統(tǒng)計(jì)khi2檢驗(yàn)分析了pe格式的惡意軟件和良性軟件的導(dǎo)入節(jié)中的dll和api信息,，分析顯示惡意軟件和良性軟件使用的dll和api信息統(tǒng)計(jì)上有明顯的區(qū)別。后續(xù)的研究人員提出了挖掘dll和api信息的惡意軟件檢測(cè)方法,，該類方法提取的特征語義信息豐富,，但*從二進(jìn)制可執(zhí)行文件的導(dǎo)入節(jié)提取特征，忽略了整個(gè)可執(zhí)行文件的大量信息,。惡意軟件和被***二進(jìn)制可執(zhí)行文件格式信息上存在一些異常,，這些異常是檢測(cè)惡意軟件的關(guān)鍵。研究人員提出了基于二進(jìn)制可執(zhí)行文件格式結(jié)構(gòu)信息的惡意軟件檢測(cè)方法,，這類方法從二進(jìn)制可執(zhí)行文件的pe文件頭,、節(jié)頭部、資源節(jié)等提取特征,，基于這些特征使用機(jī)器學(xué)習(xí)分類算法處理,，取得了較高的檢測(cè)準(zhǔn)確率。這類方法通常不受變形或多態(tài)等混淆技術(shù)影響,，提取特征只需要對(duì)pe文件進(jìn)行格式解析,，無需遍歷整個(gè)可執(zhí)行文件，提取特征速度較快,。軟件出廠檢測(cè)報(bào)告漏洞掃描報(bào)告顯示依賴庫存在5個(gè)已知CVE漏洞,。

    測(cè)試人員素質(zhì)要求1、責(zé)任心2,、學(xué)習(xí)能力3,、懷疑精神4、溝通能力5,、專注力6,、洞察力7、團(tuán)隊(duì)精神8,、注重積累軟件測(cè)試技術(shù)測(cè)試目的編輯軟件測(cè)試的目的是為了保證軟件產(chǎn)品的**終質(zhì)量,，在軟件開發(fā)的過程中，對(duì)軟件產(chǎn)品進(jìn)行質(zhì)量控制,。一般來說軟件測(cè)試應(yīng)由**的產(chǎn)品評(píng)測(cè)中心負(fù)責(zé),，嚴(yán)格按照軟件測(cè)試流程,，制定測(cè)試計(jì)劃、測(cè)試方案,、測(cè)試規(guī)范,，實(shí)施測(cè)試，對(duì)測(cè)試記錄進(jìn)行分析,，并根據(jù)回歸測(cè)試情況撰寫測(cè)試報(bào)告,。測(cè)試是為了證明程序有錯(cuò)，而不能保證程序沒有錯(cuò)誤,。軟件測(cè)試技術(shù)常見測(cè)試編輯回歸測(cè)試功能測(cè)試壓力測(cè)試負(fù)載測(cè)試性能測(cè)試易用性測(cè)試安裝與反安裝測(cè)試**測(cè)試安全性測(cè)試兼容性測(cè)試內(nèi)存泄漏測(cè)試比較測(cè)試Alpha測(cè)試Beta測(cè)試測(cè)試信息流1,、軟件配置2、測(cè)試配置3,、測(cè)試工具軟件測(cè)試技術(shù)-軟件測(cè)試的分類1、從是否需要執(zhí)行被測(cè)試軟件的角度分類（靜態(tài)測(cè)試和動(dòng)態(tài)測(cè)試）,。2,、從測(cè)試是否針對(duì)軟件結(jié)構(gòu)與算法的角度分類（白盒測(cè)試和黑盒測(cè)試）。3,、從測(cè)試的不同階段分類（單元測(cè)試,、集成測(cè)試、系統(tǒng)測(cè)試,、驗(yàn)收測(cè)試）,。

    每一種信息的來源或者形式，都可以稱為一種模態(tài),。例如,，人有觸覺，聽覺,，視覺,，嗅覺。多模態(tài)機(jī)器學(xué)習(xí)旨在通過機(jī)器學(xué)習(xí)的方法實(shí)現(xiàn)處理和理解多源模態(tài)信息的能力,。多模態(tài)學(xué)習(xí)從1970年代起步,，經(jīng)歷了幾個(gè)發(fā)展階段，在2010年后***步入深度學(xué)習(xí)(deeplearning)階段,。在某種意義上,，深度學(xué)習(xí)可以被看作是允許我們“混合和匹配”不同模型以創(chuàng)建復(fù)雜的深度多模態(tài)模型。目前,，多模態(tài)數(shù)據(jù)融合主要有三種融合方式：前端融合(early-fusion)即數(shù)據(jù)水平融合(data-levelfusion),、后端融合(late-fusion)即決策水平融合(decision-levelfusion)以及中間融合(intermediate-fusion)。前端融合將多個(gè)**的數(shù)據(jù)集融合成一個(gè)單一的特征向量空間,，然后將其用作機(jī)器學(xué)習(xí)算法的輸入,，訓(xùn)練機(jī)器學(xué)習(xí)模型,，如圖1所示。由于多模態(tài)數(shù)據(jù)的前端融合往往無法充分利用多個(gè)模態(tài)數(shù)據(jù)間的互補(bǔ)性,，且前端融合的原始數(shù)據(jù)通常包含大量的冗余信息,。因此，多模態(tài)前端融合方法常常與特征提取方法相結(jié)合以剔除冗余信息,，基于領(lǐng)域經(jīng)驗(yàn)從每個(gè)模態(tài)中提取更高等別的特征表示,，或者應(yīng)用深度學(xué)習(xí)算法直接學(xué)習(xí)特征表示，然后在特性級(jí)別上進(jìn)行融合,。后端融合則是將不同模態(tài)數(shù)據(jù)分別訓(xùn)練好的分類器輸出決策進(jìn)行融合,，如圖2所示。5G 與物聯(lián)網(wǎng)：深圳艾策的下一個(gè)技術(shù)前沿,。

    圖2是后端融合方法的流程圖,。圖3是中間融合方法的流程圖。圖4是前端融合模型的架構(gòu)圖,。圖5是前端融合模型的準(zhǔn)確率變化曲線圖,。圖6是前端融合模型的對(duì)數(shù)損失變化曲線圖。圖7是前端融合模型的檢測(cè)混淆矩陣示意圖,。圖8是規(guī)范化前端融合模型的檢測(cè)混淆矩陣示意圖,。圖9是前端融合模型的roc曲線圖。圖10是后端融合模型的架構(gòu)圖,。圖11是后端融合模型的準(zhǔn)確率變化曲線圖,。圖12是后端融合模型的對(duì)數(shù)損失變化曲線圖。圖13是后端融合模型的檢測(cè)混淆矩陣示意圖,。圖14是規(guī)范化后端融合模型的檢測(cè)混淆矩陣示意圖,。圖15是后端融合模型的roc曲線圖。圖16是中間融合模型的架構(gòu)圖,。圖17是中間融合模型的準(zhǔn)確率變化曲線圖,。圖18是中間融合模型的對(duì)數(shù)損失變化曲線圖。圖19是中間融合模型的檢測(cè)混淆矩陣示意圖,。圖20是規(guī)范化中間融合模型的檢測(cè)混淆矩陣示意圖,。圖21是中間融合模型的roc曲線圖。具體實(shí)施方式下面將結(jié)合本發(fā)明實(shí)施例中的附圖,，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚,、完整地描述，顯然,，所描述的實(shí)施例**是本發(fā)明一部分實(shí)施例,，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例,，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例,，都屬于本發(fā)明保護(hù)的范圍。云計(jì)算與 AI 融合：深圳艾策的創(chuàng)新解決方案,。寧波第三方軟件測(cè)試中心

無障礙測(cè)評(píng)認(rèn)定視覺障礙用戶支持功能缺失4項(xiàng),。信息化項(xiàng)目軟件檢測(cè)報(bào)告

    第三方軟件檢測(cè)機(jī)構(gòu)在開展第三方軟件測(cè)試的過程中，需要保持測(cè)試整體的嚴(yán)謹(jǐn)性,，也需要對(duì)測(cè)試結(jié)果負(fù)責(zé)并確保公平公正性,。所以，在測(cè)試過程中,，軟件測(cè)試所使用的測(cè)試工具也是很重要的一方面,。我們簡(jiǎn)單介紹一下在軟件檢測(cè)過程中使用的那些軟件測(cè)試工具。眾所周知,，軟件測(cè)試的參數(shù)項(xiàng)目包括功能性,、性能、安全性等參數(shù),，而其中出具軟件測(cè)試報(bào)告主要的就是性能測(cè)試和安全測(cè)試所需要使用到的工具了,。一、軟件測(cè)試性能測(cè)試工具這個(gè)參數(shù)的測(cè)試工具有l(wèi)oadrunner,，jmeter兩大主要工具，國(guó)產(chǎn)化性能測(cè)試軟件目前市場(chǎng)并未有比較大的突破,，其中l(wèi)oadrunner是商業(yè)軟件測(cè)試工具,，jmeter為開源社區(qū)版本的性能測(cè)試工具。從第三方軟件檢測(cè)機(jī)構(gòu)的角度上來說,，是不太建議使用開源測(cè)試工具的,。首先，開源測(cè)試工具并不能確保結(jié)果的準(zhǔn)確性,，雖然技術(shù)層面上來說都可以進(jìn)行測(cè)試,，但是因?yàn)殚_源更多的需要考量軟件測(cè)試人員的測(cè)試技術(shù)如何進(jìn)行使用，涉及到了人為因素的影響,，一般第三方軟件檢測(cè)機(jī)構(gòu)都會(huì)使用loadrunner作為性能測(cè)試的工具來進(jìn)行使用,。而loadrunner被加拿大的一家公司收購以后，在整個(gè)中國(guó)市場(chǎng)區(qū)域的銷售和營(yíng)銷都以第三方軟件檢測(cè)機(jī)構(gòu)為基礎(chǔ)來開展工作,。信息化項(xiàng)目軟件檢測(cè)報(bào)告