本發明公開了一種基于強化學習的模糊測試用例自適應變異方法和裝置,該方法選擇與待變異測試用例類型對應的變異操作組進行自適應變異的學習,從而能夠有針對性地選擇變異策略,進而實現更為細粒度的變異操作;本發明進一步采用類型信息和變異操作組成上下文信息輸入單步強化學習模型,單步強化學習模型將不同變異操作的選擇問題轉化為多臂賭博機問題中不同搖臂的選擇,使用上下文相關的置信區間上界算法LinUCB進行自適應變異操作的學習,以實現不同類型場景下的變異操作自適應學習,從而采用能夠獲得更高路徑覆蓋率的變異操作進行測試用例變異,提高模糊測試自適應變異的效率和質量。
聲明:
“基于強化學習的模糊測試用例自適應變異方法和裝置” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)