南京軟件檢測(cè)實(shí)驗(yàn)室

    圖2是后端融合方法的流程圖。圖3是中間融合方法的流程圖。圖4是前端融合模型的架構(gòu)圖。圖5是前端融合模型的準(zhǔn)確率變化曲線圖。圖6是前端融合模型的對(duì)數(shù)損失變化曲線圖。圖7是前端融合模型的檢測(cè)混淆矩陣示意圖。圖8是規(guī)范化前端融合模型的檢測(cè)混淆矩陣示意圖。圖9是前端融合模型的roc曲線圖。圖10是后端融合模型的架構(gòu)圖。圖11是后端融合模型的準(zhǔn)確率變化曲線圖。圖12是后端融合模型的對(duì)數(shù)損失變化曲線圖。圖13是后端融合模型的檢測(cè)混淆矩陣示意圖。圖14是規(guī)范化后端融合模型的檢測(cè)混淆矩陣示意圖。圖15是后端融合模型的roc曲線圖。圖16是中間融合模型的架構(gòu)圖。圖17是中間融合模型的準(zhǔn)確率變化曲線圖。圖18是中間融合模型的對(duì)數(shù)損失變化曲線圖。圖19是中間融合模型的檢測(cè)混淆矩陣示意圖。圖20是規(guī)范化中間融合模型的檢測(cè)混淆矩陣示意圖。圖21是中間融合模型的roc曲線圖。具體實(shí)施方式下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例**是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。自動(dòng)化測(cè)試發(fā)現(xiàn)7個(gè)邊界條件未處理的異常情況。南京軟件檢測(cè)實(shí)驗(yàn)室

    k為短序列特征總數(shù)，1≤i≤k。可執(zhí)行文件長(zhǎng)短大小不一，為了防止該特征統(tǒng)計(jì)有偏，使用∑knk,j進(jìn)行歸一化處理。逆向文件頻率(inversedocumentfrequency，idf)是一個(gè)短序列特征普遍重要性的度量。某一短序列特征的idf，可以由總樣本實(shí)施例件數(shù)目除以包含該短序列特征之樣本實(shí)施例件的數(shù)目，再將得到的商取對(duì)數(shù)得到：其中，|d|指軟件樣本j的總數(shù)，|{j:i∈j}|指包含短序列特征i的軟件樣本j的數(shù)目。idf的主要思想是：如果包含短序列特征i的軟件練樣本越少，也就是|{j:i∈j}|越小，idf越大，則說(shuō)明短序列特征i具有很好的類(lèi)別區(qū)分能力。：如果某一特征在某樣本中以較高的頻率出現(xiàn)，而包含該特征的樣本數(shù)目較小，可以產(chǎn)生出高權(quán)重的，該特征的。因此，，保留重要的特征。此處選取可能區(qū)分惡意軟件和良性軟件的短序列特征，是因?yàn)樽止?jié)碼n-grams提取的特征很多，很多都是無(wú)效特征，或者效果非常一般的特征，保持這些特征會(huì)影響檢測(cè)方法的性能和效率，所以要選出有效的特征即可能區(qū)分惡意軟件和良性軟件的短序列特征。步驟s2、將軟件樣本中的類(lèi)別已知的軟件樣本作為訓(xùn)練樣本，然后分別采用前端融合方法、后端融合方法和中間融合方法設(shè)計(jì)三種不同方案的多模態(tài)數(shù)據(jù)融合方法。軟件退稅評(píng)測(cè)安全審計(jì)發(fā)現(xiàn)日志模塊存在敏感信息明文存儲(chǔ)缺陷。

    對(duì)一些質(zhì)量要求和可靠性要求較高的模塊，一般要滿足所需條件的組合覆蓋或者路徑覆蓋標(biāo)準(zhǔn)。[2]軟件測(cè)試方法集成測(cè)試集成測(cè)試是軟件測(cè)試的第二階段，在這個(gè)階段，通常要對(duì)已經(jīng)嚴(yán)格按照程序設(shè)計(jì)要求和標(biāo)準(zhǔn)組裝起來(lái)的模塊同時(shí)進(jìn)行測(cè)試，明確該程序結(jié)構(gòu)組裝的正確性，發(fā)現(xiàn)和接口有關(guān)的問(wèn)題，比如模塊接口的數(shù)據(jù)是否會(huì)在穿越接口時(shí)發(fā)生丟失；各個(gè)模塊之間因某種疏忽而產(chǎn)生不利的影響；將模塊各個(gè)子功能組合起來(lái)后產(chǎn)生的功能要求達(dá)不到預(yù)期的功能要求；一些在誤差范圍內(nèi)且可接受的誤差由于長(zhǎng)時(shí)間的積累進(jìn)而到達(dá)了不能接受的程度；數(shù)據(jù)庫(kù)因單個(gè)模塊發(fā)生錯(cuò)誤造成自身出現(xiàn)錯(cuò)誤等等。同時(shí)因集成測(cè)試是界于單元測(cè)試和系統(tǒng)測(cè)試之間的，所以，集成測(cè)試具有承上啟下的作用。因此有關(guān)測(cè)試人員必須做好集成測(cè)試工作。在這一階段，一般采用的是白盒和黑盒結(jié)合的方法進(jìn)行測(cè)試，驗(yàn)證這一階段設(shè)計(jì)的合理性以及需求功能的實(shí)現(xiàn)性。[2]軟件測(cè)試方法系統(tǒng)測(cè)試一般情況下，系統(tǒng)測(cè)試采用黑盒法來(lái)進(jìn)行測(cè)試的，以此來(lái)檢查該系統(tǒng)是否符合軟件需求。本階段的主要測(cè)試內(nèi)容包括健壯性測(cè)試、性能測(cè)試、功能測(cè)試、安裝或反安裝測(cè)試、用戶(hù)界面測(cè)試、壓力測(cè)試、可靠性及安全性測(cè)試等。

    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(chēng)，(7)可疑的頭部***，(8)來(lái)自，(9)導(dǎo)入地址表被修改，(10)多個(gè)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(jì)差異的格式結(jié)構(gòu)特征包括：(1)無(wú)證書(shū)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(gè)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(jì)了每個(gè)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(gè)短序列特征；然后計(jì)算選取的每個(gè)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(gè)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(qiáng)；**后在選取的詞頻tf**高的多個(gè)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。性能基準(zhǔn)測(cè)試GPU利用率未達(dá)理論最大值67%。

    針對(duì)cma和cnas第三方軟件測(cè)試機(jī)構(gòu)的資質(zhì)，客戶(hù)在確定合作前需要同時(shí)確認(rèn)資質(zhì)的有效期，因?yàn)檐浖y(cè)試資質(zhì)都是有一定有效期的，如果軟件測(cè)試公司在業(yè)務(wù)開(kāi)展的過(guò)程中有違規(guī)或者不受認(rèn)可的操作和行為，有可能會(huì)被吊銷(xiāo)資質(zhì)執(zhí)照，這一點(diǎn)需要特別注意。第三，軟件測(cè)試機(jī)構(gòu)的資質(zhì)所涵蓋的業(yè)務(wù)參數(shù)，通常來(lái)講，軟件測(cè)試報(bào)告一般針對(duì)軟件的八大參數(shù)進(jìn)行測(cè)試，包括軟件功能測(cè)試、軟件性能測(cè)試、軟件信息安全測(cè)試、軟件兼容性測(cè)試、軟件可靠性測(cè)試、軟件穩(wěn)定性測(cè)試、軟件可移植測(cè)試、軟件易用性測(cè)試。這幾個(gè)參數(shù)在cma或者cnas的官方網(wǎng)站都可以進(jìn)行查詢(xún)和確認(rèn)第四，軟件測(cè)試機(jī)構(gòu)或者公司的本身信用背景，那么用戶(hù)可以去檢查一下公司的信用記錄，是否有不良的投訴或者法律糾紛，可以確保第三方軟件測(cè)試機(jī)構(gòu)出具的軟件測(cè)試報(bào)告的效力也沒(méi)有問(wèn)題。那么，總而言之，找一家靠譜的第三方軟件測(cè)試機(jī)構(gòu)還是需要用戶(hù)從自己的軟件測(cè)試業(yè)務(wù)需求場(chǎng)景出發(fā)，認(rèn)真仔細(xì)比較資質(zhì)許可的正規(guī)性，然后可以完成愉快的合作和軟件測(cè)試報(bào)告的交付。漏洞掃描報(bào)告顯示依賴(lài)庫(kù)存在5個(gè)已知CVE漏洞。廈門(mén)軟件檢測(cè)

隱私合規(guī)檢測(cè)確認(rèn)用戶(hù)數(shù)據(jù)加密符合GDPR標(biāo)準(zhǔn)要求。南京軟件檢測(cè)實(shí)驗(yàn)室

    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(guò)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(guò)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。南京軟件檢測(cè)實(shí)驗(yàn)室