之所以被稱為黑盒測(cè)試是因?yàn)榭梢詫⒈粶y(cè)程序看成是一個(gè)無法打開的黑盒,，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)格說明書設(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)范說明準(zhǔn)確無誤的運(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,，通過檢測(cè)內(nèi)部動(dòng)作是否按照設(shè)計(jì)規(guī)格說明書的設(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,。它只是簡單的靠一些象征性的現(xiàn)象或標(biāo)志來判斷其內(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**。第三方驗(yàn)證實(shí)際啟動(dòng)速度較廠商宣稱慢0.7秒,。軟件安全測(cè)評(píng)費(fèi)

    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,。電網(wǎng)軟件安全評(píng)測(cè)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)。

    步驟s2,、將軟件樣本中的類別已知的軟件樣本作為訓(xùn)練樣本,，基于多模態(tài)數(shù)據(jù)融合方法，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特征視圖輸入深度神經(jīng)網(wǎng)絡(luò),，訓(xùn)練多模態(tài)深度集成模型；步驟s3,、將軟件樣本中的類別未知的軟件樣本作為測(cè)試樣本,，并將測(cè)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(duì)測(cè)試樣本進(jìn)行檢測(cè)并得出檢測(cè)結(jié)果,。進(jìn)一步的，所述提取軟件樣本的二進(jìn)制可執(zhí)行文件的dll和api信息的特征表示,，是統(tǒng)計(jì)當(dāng)前軟件樣本的導(dǎo)入節(jié)中引用的dll和api,；所述提取軟件樣本的二進(jìn)制可執(zhí)行文件的pe格式結(jié)構(gòu)信息的特征表示，是先對(duì)當(dāng)前軟件樣本的二進(jìn)制可執(zhí)行文件進(jìn)行格式結(jié)構(gòu)解析,，然后按照格式規(guī)范提取**該軟件樣本的格式結(jié)構(gòu)信息,；所述提取軟件樣本的二進(jìn)制可執(zhí)行文件的字節(jié)碼n-grams的特征表示，是先將當(dāng)前軟件樣本件的二進(jìn)制可執(zhí)行文件轉(zhuǎn)換為十六進(jìn)制字節(jié)碼序列,，然后采用n-grams方法在十六進(jìn)制字節(jié)碼序列中滑動(dòng)，產(chǎn)生大量的連續(xù)部分重疊的短序列特征,。進(jìn)一步的,，采用3-grams方法在十六進(jìn)制字節(jié)碼序列中滑動(dòng)產(chǎn)生連續(xù)部分重疊的短序列特征。進(jìn)一步的,。

    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,。代碼簽名驗(yàn)證確認(rèn)所有組件均經(jīng)過可信機(jī)構(gòu)認(rèn)證,。

    它已被擴(kuò)展成與軟件生命周期融為一體的一組已定義的活動(dòng)。測(cè)試活動(dòng)遵循軟件生命周期的V字模型,。測(cè)試人員在需求分析階段便開始著手制訂測(cè)試計(jì)劃,，并根據(jù)用戶或客戶需求建立測(cè)試目標(biāo)，同時(shí)設(shè)計(jì)測(cè)試用例并制訂測(cè)試通過準(zhǔn)則,。在集成級(jí)上,，應(yīng)成立軟件測(cè)試**，提供測(cè)試技術(shù)培訓(xùn),，關(guān)鍵的測(cè)試活動(dòng)應(yīng)有相應(yīng)的測(cè)試工具予以支持,。在該測(cè)試成熟度等級(jí)上，沒有正式的評(píng)審程序,，沒有建立質(zhì)量過程和產(chǎn)品屬性的測(cè)試度量,。集成級(jí)要實(shí)現(xiàn)4個(gè)成熟度目標(biāo)，它們分別是:建立軟件測(cè)試**,，制訂技術(shù)培訓(xùn)計(jì)劃,，軟件全壽命周期測(cè)試，控制和監(jiān)視測(cè)試過程,。(I)建立軟件測(cè)試**軟件測(cè)試的過程及質(zhì)量對(duì)軟件產(chǎn)品質(zhì)量有直接影響,。由于測(cè)試往往是在時(shí)間緊，壓力大的情況下所完成的一系列復(fù)雜的活動(dòng),，因此應(yīng)由訓(xùn)練有素的人員組成測(cè)試組,。測(cè)試組要完成與測(cè)試有關(guān)的多種活動(dòng)，包括負(fù)責(zé)制訂測(cè)試計(jì)劃,，實(shí)施測(cè)試執(zhí)行,，記錄測(cè)試結(jié)果，制訂與測(cè)試有關(guān)的標(biāo)準(zhǔn)和測(cè)試度量,，建立鍘試數(shù)據(jù)庫,，測(cè)試重用,，測(cè)試**以及測(cè)試評(píng)價(jià)等。建立軟件測(cè)試**要實(shí)現(xiàn)4個(gè)子目標(biāo):1)建立全**范圍內(nèi)的測(cè)試組,，并得到上級(jí)管理層的領(lǐng)導(dǎo)和各方面的支持,，包括經(jīng)費(fèi)支持。2)定義測(cè)試組的作用和職責(zé),。3)由訓(xùn)練有素的人員組成測(cè)試組,。網(wǎng)絡(luò)安全新時(shí)代：深圳艾策的防御策略解析。軟件測(cè)評(píng)技術(shù)要求

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),。軟件安全測(cè)評(píng)費(fèi)

    不*可以用于回歸測(cè)試，也可以為以后的測(cè)試提供參考,。[4](8)錯(cuò)誤不可避免原則,。在測(cè)試時(shí)不能首先假設(shè)程序中沒有錯(cuò)誤。[4]軟件測(cè)試方法分類編輯軟件測(cè)試方法的分類有很多種,，以測(cè)試過程中程序執(zhí)行狀態(tài)為依據(jù)可分為靜態(tài)測(cè)試（StaticTesting,，ST）和動(dòng)態(tài)測(cè)試（DynamicTesting，DT）;以具體實(shí)現(xiàn)算法細(xì)節(jié)和系統(tǒng)內(nèi)部結(jié)構(gòu)的相關(guān)情況為根據(jù)可分黑盒測(cè)試,、白盒測(cè)試和灰盒測(cè)試三類;從程序執(zhí)行的方式來分類,，可分為人工測(cè)試（ManualTesting，MT）和自動(dòng)化測(cè)試（AutomaticTesting,，AT）,。[5]軟件測(cè)試方法靜態(tài)測(cè)試和動(dòng)態(tài)測(cè)試（1）靜態(tài)測(cè)試。靜態(tài)測(cè)試的含義是被測(cè)程序不運(yùn)行,，只依靠分析或檢查源程序的語句,、結(jié)構(gòu)、過程等來檢查程序是否有錯(cuò)誤,。即通過對(duì)軟件的需求規(guī)格說明書、設(shè)計(jì)說明書以及源程序做結(jié)構(gòu)分析和流程圖分析,，從而來找出錯(cuò)誤,。例如不匹配的參數(shù)，未定義的變量等,。[5]（2）動(dòng)態(tài)測(cè)試,。動(dòng)態(tài)測(cè)試與靜態(tài)測(cè)試相對(duì)應(yīng)，其是通過運(yùn)行被測(cè)試程序,，對(duì)得到的運(yùn)行結(jié)果與預(yù)期的結(jié)果進(jìn)行比較分析,，同時(shí)分析運(yùn)行效率和健壯性能等。這種方法可簡單分為三個(gè)步驟:構(gòu)造測(cè)試實(shí)例,、執(zhí)行程序以及分析結(jié)果,。[5]軟件測(cè)試方法黑盒測(cè)試,、白盒測(cè)試和灰盒測(cè)試（1）黑盒測(cè)試。軟件安全測(cè)評(píng)費(fèi)