k為短序列特征總數(shù)，1≤i≤k,?？蓤?zhí)行文件長(zhǎng)短大小不一,，為了防止該特征統(tǒng)計(jì)有偏，使用∑knk,j進(jìn)行歸一化處理。逆向文件頻率(inversedocumentfrequency，idf)是一個(gè)短序列特征普遍重要性的度量,。某一短序列特征的idf，可以由總樣本實(shí)施例件數(shù)目除以包含該短序列特征之樣本實(shí)施例件的數(shù)目,，再將得到的商取對(duì)數(shù)得到：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,。idf的主要思想是：如果包含短序列特征i的軟件練樣本越少,，也就是|{j:i∈j}|越小,，idf越大，則說(shuō)明短序列特征i具有很好的類(lèi)別區(qū)分能力,。：如果某一特征在某樣本中以較高的頻率出現(xiàn),，而包含該特征的樣本數(shù)目較小，可以產(chǎn)生出高權(quán)重的,，該特征的。因此,，,，保留重要的特征。此處選取可能區(qū)分惡意軟件和良性軟件的短序列特征,，是因?yàn)樽止?jié)碼n-grams提取的特征很多,，很多都是無(wú)效特征，或者效果非常一般的特征,，保持這些特征會(huì)影響檢測(cè)方法的性能和效率,，所以要選出有效的特征即可能區(qū)分惡意軟件和良性軟件的短序列特征。步驟s2,、將軟件樣本中的類(lèi)別已知的軟件樣本作為訓(xùn)練樣本,，然后分別采用前端融合方法、后端融合方法和中間融合方法設(shè)計(jì)三種不同方案的多模態(tài)數(shù)據(jù)融合方法,。創(chuàng)新光譜分析技術(shù)賦能艾策檢測(cè),，實(shí)現(xiàn)食品藥品中微量有害物質(zhì)的超痕量檢測(cè)。源代碼審計(jì)一行多少錢(qián)

    降低成本對(duì)每個(gè)階段都進(jìn)行測(cè)試,，包括文檔,，便于控制項(xiàng)目過(guò)程缺點(diǎn)依賴(lài)文檔，沒(méi)有文檔的項(xiàng)目無(wú)法使用,，復(fù)雜度很高,，實(shí)踐需要很強(qiáng)的管理H模型把測(cè)試活動(dòng)完全**出來(lái)，將測(cè)試準(zhǔn)備和測(cè)試執(zhí)行體現(xiàn)出來(lái)測(cè)試準(zhǔn)備-測(cè)試執(zhí)行就緒點(diǎn)其他流程----------設(shè)計(jì)等v模型適用于中小企業(yè)需求在開(kāi)始必須明確,，不適用變更需求w模型適用于中大企業(yè)包括文檔也需要測(cè)試（需求分析文檔概要設(shè)計(jì)文檔詳細(xì)設(shè)計(jì)文檔代碼文檔）測(cè)試和開(kāi)發(fā)同步進(jìn)行H模型對(duì)公司參與人員技能和溝通要求高測(cè)試階段單元測(cè)試-集成測(cè)試-系統(tǒng)測(cè)試-驗(yàn)證測(cè)試是否覆蓋代碼白盒測(cè)試-黑盒測(cè)試-灰盒測(cè)試是否運(yùn)行靜態(tài)測(cè)試-動(dòng)態(tài)測(cè)試測(cè)試手段人工測(cè)試-自動(dòng)化測(cè)試其他測(cè)試回歸測(cè)試-冒*測(cè)試功能測(cè)試一般功能測(cè)試-界面測(cè)試-易用性測(cè)試-安裝測(cè)試-兼容性測(cè)試性能測(cè)試穩(wěn)定性測(cè)試-負(fù)載測(cè)試-壓力測(cè)試-時(shí)間性能-空間性能負(fù)載測(cè)試確定在各種工作負(fù)載下,，系統(tǒng)各項(xiàng)指標(biāo)變化情況壓力測(cè)試:通過(guò)確定一個(gè)系統(tǒng)的剛好不能接受的性能點(diǎn)。獲得系統(tǒng)能夠提供的**大服務(wù)級(jí)別測(cè)試用例為特定的目的而設(shè)計(jì)的一組測(cè)試輸入,，執(zhí)行條件和預(yù)期結(jié)果,，以便測(cè)試是否滿(mǎn)足某個(gè)特定需求。通過(guò)大量的測(cè)試用例來(lái)檢測(cè)軟件的運(yùn)行效果,，它是指導(dǎo)測(cè)試工作進(jìn)行的依據(jù),。大連系統(tǒng)軟件檢測(cè)報(bào)告安全審計(jì)發(fā)現(xiàn)日志模塊存在敏感信息明文存儲(chǔ)缺陷。

    程序利用windows提供的接口(windowsapi)實(shí)現(xiàn)程序的功能,。通過(guò)一個(gè)可執(zhí)行程序引用的動(dòng)態(tài)鏈接庫(kù)(dll)和應(yīng)用程序接口(api)可以粗略的預(yù)測(cè)該程序的功能和行為,。統(tǒng)計(jì)所有樣本的導(dǎo)入節(jié)中引用的dll和api的頻率,，留下引用頻率**高的60個(gè)dll和500個(gè)api。提取特征時(shí),，每個(gè)樣本的導(dǎo)入節(jié)里存在選擇出的dll或api,，該特征以1表示，不存在則以0表示,，提取的560個(gè)dll和api特征作為***個(gè)特征視圖,。提取格式信息特征視圖pe是portableexecutable的縮寫(xiě)，初衷是希望能開(kāi)發(fā)一個(gè)在所有windows平臺(tái)上和所有cpu上都可執(zhí)行的通用文件格式,。pe格式文件是封裝windows操作系統(tǒng)加載程序所需的信息和管理可執(zhí)行代碼的數(shù)據(jù)結(jié)構(gòu),，數(shù)據(jù)**是大量的字節(jié)碼和數(shù)據(jù)結(jié)構(gòu)的有機(jī)融合。pe文件格式被**為一個(gè)線(xiàn)性的數(shù)據(jù)流,，由pe文件頭,、節(jié)表和節(jié)實(shí)體組成。惡意軟件或被惡意軟件***的可執(zhí)行文件,，它本身也遵循格式要求的約束,，但可能存在以下特定格式異常：(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,；,。

    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(lái)融合dll和api、格式結(jié)構(gòu)信息,、字節(jié)碼n-grams特征。艾策檢測(cè)以智能算法驅(qū)動(dòng)分析,，為工業(yè)產(chǎn)品提供全生命周期質(zhì)量管控解決方案,！

    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(méi)有抓住主要矛盾,，干擾了主要語(yǔ)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(kù)(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(guò)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(lèi)方法提取的特征語(yǔ)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(lèi)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(lèi)算法處理，取得了較高的檢測(cè)準(zhǔn)確率,。這類(lèi)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(wú)需遍歷整個(gè)可執(zhí)行文件,，提取特征速度較快,。整合多學(xué)科團(tuán)隊(duì)的定制化檢測(cè)方案,，體現(xiàn)艾策服務(wù)于制造的技術(shù)深度。福州CMA軟件檢測(cè)機(jī)構(gòu)

用戶(hù)體驗(yàn)測(cè)評(píng)中界面交互評(píng)分低于同類(lèi)產(chǎn)品均值15.6%,。源代碼審計(jì)一行多少錢(qián)

    收藏查看我的收藏0有用+1已投票0軟件測(cè)試方法編輯鎖定本詞條由“科普**”科學(xué)百科詞條編寫(xiě)與應(yīng)用工作項(xiàng)目審核,。軟件測(cè)試是使用人工或自動(dòng)的手段來(lái)運(yùn)行或測(cè)定某個(gè)軟件系統(tǒng)的過(guò)程，其目的在于檢驗(yàn)它是否滿(mǎn)足規(guī)定的需求或弄清預(yù)期結(jié)果與實(shí)際結(jié)果之間的差別,。[1]從是否關(guān)心軟件內(nèi)部結(jié)構(gòu)和具體實(shí)現(xiàn)的角度劃分,，測(cè)試方法主要有白盒測(cè)試和黑盒測(cè)試。白盒測(cè)試方法主要有代碼檢査法,、靜態(tài)結(jié)構(gòu)分析法,、靜態(tài)質(zhì)量度量法、邏輯覆蓋法,、基夲路徑測(cè)試法,、域測(cè)試、符號(hào)測(cè)試,、路徑覆蓋和程序變異,。黑盒測(cè)試方法主要包括等價(jià)類(lèi)劃分法、邊界值分析法,、錯(cuò)誤推測(cè)法,、因果圖法、判定表驅(qū)動(dòng)法,、正交試驗(yàn)設(shè)計(jì)法,、功能圖法、場(chǎng)景法等,。[1]從是否執(zhí)行程序的角度劃分,，測(cè)試方法又可分為靜態(tài)測(cè)試和動(dòng)態(tài)測(cè)試。靜態(tài)測(cè)試包括代碼檢査,、靜態(tài)結(jié)構(gòu)分析,、代碼質(zhì)量度量等。動(dòng)態(tài)測(cè)試由3部分組成：構(gòu)造測(cè)試實(shí)例,、執(zhí)行程序和分析程序的輸出結(jié)果,。源代碼審計(jì)一行多少錢(qián)