遼寧軟件測(cè)試公司

    嘗試了前端融合、后端融合和中間融合三種融合方法對(duì)進(jìn)行有效融合，有效提高了惡意軟件的準(zhǔn)確率，具備較好的泛化性能和魯棒性。實(shí)驗(yàn)結(jié)果顯示，相對(duì)**且互補(bǔ)的特征視圖和不同深度學(xué)習(xí)融合機(jī)制的使用明顯提高了檢測(cè)方法的檢測(cè)能力和泛化性能，其中較優(yōu)的中間融合方法取得了％的準(zhǔn)確率，對(duì)數(shù)損失為，auc值為。有效解決了現(xiàn)有采用二進(jìn)制可執(zhí)行文件的單一特征類型進(jìn)行惡意軟件檢測(cè)的檢測(cè)方法檢測(cè)結(jié)果準(zhǔn)確率不高、可靠性低、泛化性和魯棒性不佳的問題。另外，惡意軟件很難同時(shí)偽造良性軟件的多個(gè)抽象層次的特征以逃避檢測(cè)，本發(fā)明實(shí)施例同時(shí)融合軟件的二進(jìn)制可執(zhí)行文件的多個(gè)抽象層次的特征，可準(zhǔn)確檢測(cè)出偽造良性軟件特征的惡意軟件，解決了現(xiàn)有采用二進(jìn)制可執(zhí)行文件的單一特征類型進(jìn)行惡意軟件檢測(cè)的檢測(cè)方法難以檢測(cè)出偽造良性軟件特征的惡意軟件的問題。附圖說明為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖**是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1是前端融合方法的流程圖。無(wú)障礙測(cè)評(píng)認(rèn)定視覺障礙用戶支持功能缺失4項(xiàng)。遼寧軟件測(cè)試公司

    降低成本對(duì)每個(gè)階段都進(jìn)行測(cè)試，包括文檔，便于控制項(xiàng)目過程缺點(diǎn)依賴文檔，沒有文檔的項(xiàng)目無(wú)法使用，復(fù)雜度很高，實(shí)踐需要很強(qiáng)的管理H模型把測(cè)試活動(dòng)完全**出來(lái)，將測(cè)試準(zhǔn)備和測(cè)試執(zhí)行體現(xiàn)出來(lái)測(cè)試準(zhǔn)備-測(cè)試執(zhí)行就緒點(diǎn)其他流程----------設(shè)計(jì)等v模型適用于中小企業(yè)需求在開始必須明確，不適用變更需求w模型適用于中大企業(yè)包括文檔也需要測(cè)試（需求分析文檔概要設(shè)計(jì)文檔詳細(xì)設(shè)計(jì)文檔代碼文檔）測(cè)試和開發(fā)同步進(jìn)行H模型對(duì)公司參與人員技能和溝通要求高測(cè)試階段單元測(cè)試-集成測(cè)試-系統(tǒng)測(cè)試-驗(yàn)證測(cè)試是否覆蓋代碼白盒測(cè)試-黑盒測(cè)試-灰盒測(cè)試是否運(yùn)行靜態(tài)測(cè)試-動(dòng)態(tài)測(cè)試測(cè)試手段人工測(cè)試-自動(dòng)化測(cè)試其他測(cè)試回歸測(cè)試-冒*測(cè)試功能測(cè)試一般功能測(cè)試-界面測(cè)試-易用性測(cè)試-安裝測(cè)試-兼容性測(cè)試性能測(cè)試穩(wěn)定性測(cè)試-負(fù)載測(cè)試-壓力測(cè)試-時(shí)間性能-空間性能負(fù)載測(cè)試確定在各種工作負(fù)載下，系統(tǒng)各項(xiàng)指標(biāo)變化情況壓力測(cè)試:通過確定一個(gè)系統(tǒng)的剛好不能接受的性能點(diǎn)。獲得系統(tǒng)能夠提供的**大服務(wù)級(jí)別測(cè)試用例為特定的目的而設(shè)計(jì)的一組測(cè)試輸入，執(zhí)行條件和預(yù)期結(jié)果，以便測(cè)試是否滿足某個(gè)特定需求。通過大量的測(cè)試用例來(lái)檢測(cè)軟件的運(yùn)行效果，它是指導(dǎo)測(cè)試工作進(jìn)行的依據(jù)。第三方軟件測(cè)試服務(wù)平臺(tái)5G 與物聯(lián)網(wǎng)：深圳艾策的下一個(gè)技術(shù)前沿。

    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。

    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(wú)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(wú)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?；液袦y(cè)試則介于黑盒測(cè)試和白盒測(cè)試之間。灰盒測(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(jiǎn)單的靠一些象征性的現(xiàn)象或標(biāo)志來(lái)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**?？煽啃栽u(píng)估連續(xù)運(yùn)行72小時(shí)出現(xiàn)2次非致命錯(cuò)誤。

    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，其***個(gè)隱含層的神經(jīng)元個(gè)數(shù)是64，第二個(gè)神經(jīng)元的隱含層個(gè)數(shù)是10，且2個(gè)隱含層中間設(shè)置有dropout層。且所有dropout層的dropout率等于。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，中間融合模型的準(zhǔn)確率變化曲線如圖17所示，模型的對(duì)數(shù)損失變化曲線如圖18所示。從圖17和圖18可以看出，當(dāng)epoch值從0增加到20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(duì)數(shù)損失和驗(yàn)證對(duì)數(shù)損失快速減少；當(dāng)epoch值從30到50的過程中，中間融合模型的訓(xùn)練準(zhǔn)確率和驗(yàn)證準(zhǔn)確率基本保持不變，訓(xùn)練對(duì)數(shù)損失緩慢下降；綜合分析圖17和圖18的準(zhǔn)確率和對(duì)數(shù)損失變化曲線，選取epoch的較優(yōu)值為30。確定模型的訓(xùn)練迭代數(shù)為30后，進(jìn)行了10折交叉驗(yàn)證實(shí)驗(yàn)。中間融合模型的10折交叉驗(yàn)證的準(zhǔn)確率是％，對(duì)數(shù)損失是，混淆矩陣如圖19所示，規(guī)范化后的混淆矩陣如圖20所示。中間融合模型的roc曲線如圖21所示，auc值為，已經(jīng)非常接近auc的**優(yōu)值1。(7)實(shí)驗(yàn)結(jié)果比對(duì)為了綜合評(píng)估本實(shí)施例提出融合方案的綜合性能。對(duì)比分析顯示資源占用率高于同類產(chǎn)品均值26%。軟件評(píng)測(cè)機(jī)構(gòu)有哪些

漏洞掃描報(bào)告顯示依賴庫(kù)存在5個(gè)已知CVE漏洞。遼寧軟件測(cè)試公司

    保留了較多信息，同時(shí)由于操作數(shù)比較隨機(jī)，某種程度上又沒有抓住主要矛盾，干擾了主要語(yǔ)義信息的提取。pe文件即可移植文件導(dǎo)入節(jié)中的動(dòng)態(tài)鏈接庫(kù)(dll)和應(yīng)用程序接口(api)信息能大致反映軟件的功能和性質(zhì)，通過一個(gè)可執(zhí)行程序引用的dll和api信息可以粗略的預(yù)測(cè)該程序的功能和行為。belaoued和mazouzi應(yīng)用統(tǒng)計(jì)khi2檢驗(yàn)分析了pe格式的惡意軟件和良性軟件的導(dǎo)入節(jié)中的dll和api信息，分析顯示惡意軟件和良性軟件使用的dll和api信息統(tǒng)計(jì)上有明顯的區(qū)別。后續(xù)的研究人員提出了挖掘dll和api信息的惡意軟件檢測(cè)方法，該類方法提取的特征語(yǔ)義信息豐富，但*從二進(jìn)制可執(zhí)行文件的導(dǎo)入節(jié)提取特征，忽略了整個(gè)可執(zhí)行文件的大量信息。惡意軟件和被***二進(jìn)制可執(zhí)行文件格式信息上存在一些異常，這些異常是檢測(cè)惡意軟件的關(guān)鍵。研究人員提出了基于二進(jìn)制可執(zhí)行文件格式結(jié)構(gòu)信息的惡意軟件檢測(cè)方法，這類方法從二進(jìn)制可執(zhí)行文件的pe文件頭、節(jié)頭部、資源節(jié)等提取特征，基于這些特征使用機(jī)器學(xué)習(xí)分類算法處理，取得了較高的檢測(cè)準(zhǔn)確率。這類方法通常不受變形或多態(tài)等混淆技術(shù)影響，提取特征只需要對(duì)pe文件進(jìn)行格式解析，無(wú)需遍歷整個(gè)可執(zhí)行文件，提取特征速度較快。遼寧軟件測(cè)試公司