電網(wǎng)軟件檢測機構(gòu)

    收藏查看我的收藏0有用+1已投票0軟件測試方法編輯鎖定本詞條由“科普**”科學(xué)百科詞條編寫與應(yīng)用工作項目審核。軟件測試是使用人工或自動的手段來運行或測定某個軟件系統(tǒng)的過程，其目的在于檢驗它是否滿足規(guī)定的需求或弄清預(yù)期結(jié)果與實際結(jié)果之間的差別。[1]從是否關(guān)心軟件內(nèi)部結(jié)構(gòu)和具體實現(xiàn)的角度劃分，測試方法主要有白盒測試和黑盒測試。白盒測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、基夲路徑測試法、域測試、符號測試、路徑覆蓋和程序變異。黑盒測試方法主要包括等價類劃分法、邊界值分析法、錯誤推測法、因果圖法、判定表驅(qū)動法、正交試驗設(shè)計法、功能圖法、場景法等。[1]從是否執(zhí)行程序的角度劃分，測試方法又可分為靜態(tài)測試和動態(tài)測試。靜態(tài)測試包括代碼檢査、靜態(tài)結(jié)構(gòu)分析、代碼質(zhì)量度量等。動態(tài)測試由3部分組成：構(gòu)造測試實例、執(zhí)行程序和分析程序的輸出結(jié)果。專業(yè)機構(gòu)認證該程序內(nèi)存管理效率優(yōu)于行業(yè)平均水平23%。電網(wǎng)軟件檢測機構(gòu)

    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(dāng)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(dāng)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(dāng)前軟件樣本的所有dll和api信息進行表示形成當(dāng)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(dāng)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(dāng)前軟件樣本的格式信息特征視圖。進一步的，所述從當(dāng)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(dāng)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，。第三方軟件質(zhì)量檢測價格自動化測試發(fā)現(xiàn)7個邊界條件未處理的異常情況。

    比黑盒適用性廣的優(yōu)勢就凸顯出來了。[5]軟件測試方法手動測試和自動化測試自動化測試，顧名思義就是軟件測試的自動化，即在預(yù)先設(shè)定的條件下運行被測程序，并分析運行結(jié)果?？偟膩碚f，這種測試方法就是將以人驅(qū)動的測試行為轉(zhuǎn)化為機器執(zhí)行的一種過程。對于手動測試，其在設(shè)計了測試用例之后，需要測試人員根據(jù)設(shè)計的測試用例一步一步來執(zhí)行測試得到實際結(jié)果，并將其與期望結(jié)果進行比對。[5]軟件測試方法不同階段測試編輯軟件測試方法單元測試單元測試主要是對該軟件的模塊進行測試，通過測試以發(fā)現(xiàn)該模塊的實際功能出現(xiàn)不符合的情況和編碼錯誤。由于該模塊的規(guī)模不大，功能單一，結(jié)構(gòu)較簡單，且測試人員可通過閱讀源程序清楚知道其邏輯結(jié)構(gòu)，首先應(yīng)通過靜態(tài)測試方法，比如靜態(tài)分析、代碼審查等，對該模塊的源程序進行分析，按照模塊的程序設(shè)計的控制流程圖，以滿足軟件覆蓋率要求的邏輯測試要求。另外，也可采用黑盒測試方法提出一組基本的測試用例，再用白盒測試方法進行驗證。若用黑盒測試方法所產(chǎn)生的測試用例滿足不了軟件的覆蓋要求，可采用白盒法增補出新的測試用例，以滿足所需的覆蓋標(biāo)準。其所需的覆蓋標(biāo)準應(yīng)視模塊的實際具體情況而定。

    等價類劃分法將不能窮舉的測試過程進行合理分類，從而保證設(shè)計出來的測試用例具有完整性和**性。有數(shù)據(jù)輸入的地方，可以使用等價類劃分法。從大量數(shù)據(jù)中挑選少量**數(shù)據(jù)進行測試有效等價類：符合需求規(guī)格說明書規(guī)定的數(shù)據(jù)用來測試功能是否正確實現(xiàn)無效等價類：不合理的輸入數(shù)據(jù)**—用來測試程序是否有強大的異常處理能力（健壯性）使用**少的測試數(shù)據(jù)，達到**好的測試質(zhì)量邊界值分析法對輸入或輸出的邊界值進行測試的一種黑盒測試方法。是作為對等價類劃分法的補充，這種情況下，其測試用例來自等價類的邊界。邊界點1、邊界是指相對于輸入等價類和輸出等價類而言，稍高于、稍低于其邊界值的一些特定情況。2、邊界點分為上點、內(nèi)點和離點。如果是范圍[1,100]需要選擇0,1,2,50,99,100,101如果是個數(shù)**多20個[0,20]需要測0,10,20，-1,21因果圖分析法用畫圖的方式表達輸入條件和輸出結(jié)果之間的關(guān)系。1恒等2與3或4非5互斥1個或者不選6***必須是1個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，b的值無所謂9**關(guān)系當(dāng)a=1時，要求b必須為0；而當(dāng)a=0時。功能完整性測試發(fā)現(xiàn)3項宣傳功能未完全實現(xiàn)。

    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，(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(biāo)志。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。生成軟件樣本的字節(jié)碼n-grams特征視圖，是統(tǒng)計了每個短序列特征的詞頻(termfrequency，tf)，即該短序列特征在軟件樣本中出現(xiàn)的頻率。先從當(dāng)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；tf(termfrequency)是詞頻，定義如下：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。艾策檢測針對智能穿戴設(shè)備開發(fā)動態(tài)壓力測試系統(tǒng)，確保人機交互的舒適性與安全性。山東軟件驗收測試報告

深圳艾策信息科技：可持續(xù)發(fā)展的 IT 解決方案。電網(wǎng)軟件檢測機構(gòu)

    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；(1)方案一：采用前端融合(early-fusion)方法，首先合并訓(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特征視圖的特征，融合成一個單一的特征向量空間，然后將其作為深度神經(jīng)網(wǎng)絡(luò)模型的輸入，訓(xùn)練多模態(tài)深度集成模型；(2)方案二：首先利用訓(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特征視圖分別訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)模型，合并訓(xùn)練的三個深度神經(jīng)網(wǎng)絡(luò)模型的決策輸出，并將其作為感知機的輸入，訓(xùn)練得到**終的多模態(tài)深度集成模型；(3)方案三：采用中間融合(intermediate-fusion)方法，首先使用三個深度神經(jīng)網(wǎng)絡(luò)分別學(xué)習(xí)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特征視圖的高等特征表示，并合并學(xué)習(xí)得到的訓(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特征視圖的高等特征表示融合成一個單一的特征向量空間，然后將其作為下一個深度神經(jīng)網(wǎng)絡(luò)的輸入，訓(xùn)練得到多模態(tài)深度神經(jīng)網(wǎng)絡(luò)模型。步驟s3、將軟件樣本中的類別未知的軟件樣本作為測試樣本。電網(wǎng)軟件檢測機構(gòu)