圖書目錄第1章軟件測試描述第2章常見的軟件測試方法第3章設(shè)計(jì)測試第4章程序分析技術(shù)第5章測試分析技術(shù)第6章測試自動化的優(yōu)越性第7章測試計(jì)劃與測試標(biāo)準(zhǔn)第8章介紹一種企業(yè)級測試工具第9章學(xué)習(xí)一種負(fù)載測試軟件第10章軟件測試的經(jīng)驗(yàn)總結(jié)附錄A常見測試術(shù)語附錄B測試技術(shù)分類附錄C常見的編碼錯(cuò)誤附錄D有關(guān)的測試網(wǎng)站參考文獻(xiàn)軟件測試技術(shù)圖書4書名:軟件測試技術(shù)第2版作者：徐芳層次：高職高專配套：電子課件出版社：機(jī)械工業(yè)出版社出版時(shí)間：2012-06-26ISBN:978-7-111-37884-6開本：16開定價(jià):目錄第1章開始軟件測試工作第2章執(zhí)行系統(tǒng)測試第3章測試用例設(shè)計(jì)第4章測試工具應(yīng)用第5章測試技術(shù)與應(yīng)用第6章成為***的測試組長第7章測試文檔實(shí)例詞條圖冊更多圖冊。深圳艾策信息科技：可持續(xù)發(fā)展的 IT 解決方案。怎么找第三方軟件測評

    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，產(chǎn)生大量的連續(xù)部分重疊的短序列特征，提取得到當(dāng)前軟件樣本的二進(jìn)制可執(zhí)行文件的字節(jié)碼n-grams的特征表示。生成軟件樣本的dll和api信息特征視圖，是先統(tǒng)計(jì)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(gè)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(gè)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(jìn)行表示形成當(dāng)前軟件樣本的dll和api信息特征視圖。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。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(jì)差異的格式結(jié)構(gòu)特征。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，。山東軟件測試機(jī)構(gòu)2025 年 IT 趨勢展望：深圳艾策的五大技術(shù)突破。

    之所以被稱為黑盒測試是因?yàn)榭梢詫⒈粶y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。其主要是對軟件界面和軟件功能進(jìn)行測試。對于黑盒測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）白盒測試。其與黑盒測試不同，它主要是借助程序內(nèi)部的邏輯和相關(guān)信息，通過檢測內(nèi)部動作是否按照設(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。白盒測試是從程序結(jié)構(gòu)方面出發(fā)對測試用例進(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試方法。[5]（3）灰盒測試?；液袦y試則介于黑盒測試和白盒測試之間?；液袦y試除了重視輸出相對于出入的正確性，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試方法。因?yàn)樵诖饲闆r下灰盒比白盒**。

    坐標(biāo)點(diǎn)(0,1)**一個(gè)完美的分類器，它將所有的樣本都正確分類。roc曲線越接近左上角，該分類器的性能越好。從圖9可以看出，該方案的roc曲線非常接近左上角，性能較優(yōu)。另外，前端融合模型的auc值為。(5)后端融合后端融合的架構(gòu)如圖10所示，后端融合方式用三種模態(tài)的特征分別訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，然后進(jìn)行決策融合，隱藏層的***函數(shù)為relu，輸出層的***函數(shù)是sigmoid，中間使用dropout層進(jìn)行正則化，防止過擬合，優(yōu)化器(optimizer)采用的是adagrad，batch_size是40。本次實(shí)驗(yàn)使用了80％的樣本訓(xùn)練，20％的樣本驗(yàn)證，訓(xùn)練50個(gè)迭代以便于找到較優(yōu)的epoch值。隨著迭代數(shù)的增加，后端融合模型的準(zhǔn)確率變化曲線如圖11所示，模型的對數(shù)損失變化曲線如圖12所示。從圖11和圖12可以看出，當(dāng)epoch值從0增加到5過程中，模型的訓(xùn)練準(zhǔn)確率和驗(yàn)證準(zhǔn)確率快速提高，模型的訓(xùn)練對數(shù)損失和驗(yàn)證對數(shù)損失快速減少；當(dāng)epoch值從5到50的過程中，前端融合模型的訓(xùn)練準(zhǔn)確率和驗(yàn)證準(zhǔn)確率小幅提高，訓(xùn)練對數(shù)損失和驗(yàn)證對數(shù)損失緩慢下降；綜合分析圖11和圖12的準(zhǔn)確率和對數(shù)損失變化曲線，選取epoch的較優(yōu)值為40。確定模型的訓(xùn)練迭代數(shù)為40后，進(jìn)行了10折交叉驗(yàn)證實(shí)驗(yàn)。代碼質(zhì)量評估顯示注釋覆蓋率不足30%需加強(qiáng)。

    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)識別、語音識別等研究領(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。網(wǎng)絡(luò)延遲測評顯示亞太地區(qū)響應(yīng)時(shí)間超歐盟2倍。軟件驗(yàn)收檢測報(bào)告價(jià)格

整合多學(xué)科團(tuán)隊(duì)的定制化檢測方案，體現(xiàn)艾策服務(wù)于制造的技術(shù)深度。怎么找第三方軟件測評

    特征之間存在部分重疊，但特征類型間存在著互補(bǔ)，融合這些不同抽象層次的特征可更好的識別軟件的真正性質(zhì)。且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，但惡意軟件很難同時(shí)偽造多個(gè)抽象層次的特征逃避檢測?；谠撚^點(diǎn)，本發(fā)明實(shí)施例提出一種基于多模態(tài)深度學(xué)習(xí)的惡意軟件檢測方法，以實(shí)現(xiàn)對惡意軟件的有效檢測，提取了三種模態(tài)的特征(dll和api信息、pe格式結(jié)構(gòu)信息和字節(jié)碼3-grams)，提出了通過前端融合、后端融合和中間融合這三種融合方式集成三種模態(tài)的特征，有效提高惡意軟件檢測的準(zhǔn)確率和魯棒性，具體步驟如下：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；統(tǒng)計(jì)當(dāng)前軟件樣本的導(dǎo)入節(jié)中引用的dll和api，提取得到當(dāng)前軟件樣本的二進(jìn)制可執(zhí)行文件的dll和api信息的特征表示。對當(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，并按照格式規(guī)范提取**該軟件樣本的格式結(jié)構(gòu)信息，得到該軟件樣本的二進(jìn)制可執(zhí)行文件的pe格式結(jié)構(gòu)信息的特征表示。怎么找第三方軟件測評