本发明公开一种基于强化学习的智能模糊测试方法、装置及系统，所述方法包括：收集到模糊测试中不同种子的程序运行状态后，使用聚类算法对各个程序运行状态进行分类，得到分类结果，并根据所述分类结果得到各个种子状态，所述种子状态为类别标签；收集模糊测试中的历史变异数据；根据所述历史变异数据和所述种子状态进行强化学习，得到变异策略，所述变异策略包括种子状态与变异动作的选择概率分布的映射关系。通过学习，在需要进行动作选择时，将种子输入到变异策略构建的策略网络中，输出变异动作选择策略，使用智能的变异动作对种子进行变异，能够提高能够覆盖更多的程序运行状态的种子的权重，充分探索测试用例，发现更多的安全漏洞。
声明：
“基于强化学习的智能模糊测试方法、装置及系统” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
846
编辑：管理员
来源：北方有色网
咨询细节
