陽(yáng)江軟件產(chǎn)品檢測(cè)報(bào)告

    **小化對(duì)數(shù)損失基本等價(jià)于**大化分類(lèi)器的準(zhǔn)確度，對(duì)于完美的分類(lèi)器，對(duì)數(shù)損失值為0。對(duì)數(shù)損失函數(shù)的計(jì)算公式如下：其中，y為輸出變量即輸出的測(cè)試樣本的檢測(cè)結(jié)果，x為輸入變量即測(cè)試樣本，l為損失函數(shù)，n為測(cè)試樣本(待檢測(cè)軟件的二進(jìn)制可執(zhí)行文件)數(shù)目，yij是一個(gè)二值指標(biāo)，表示與輸入的第i個(gè)測(cè)試樣本對(duì)應(yīng)的類(lèi)別j，類(lèi)別j指良性軟件或惡意軟件，pij為輸入的第i個(gè)測(cè)試樣本屬于類(lèi)別j的概率，m為總類(lèi)別數(shù)，本實(shí)施例中m＝2。分類(lèi)器的性能也可用roc曲線(receiveroperatingcharacteristic)評(píng)價(jià)，roc曲線的縱軸是檢測(cè)率(true****itiverate)，橫軸是誤報(bào)率(false****itiverate)，該曲線反映的是隨著檢測(cè)閾值變化下檢測(cè)率與誤報(bào)率之間的關(guān)系曲線。roc曲線下面積(areaunderroccurve，auc)的值是評(píng)價(jià)分類(lèi)器比較綜合的指標(biāo)，auc的值通常介于，較大的auc值一般表示分類(lèi)器的性能較優(yōu)。(3)特征提取提取dll和api信息特征視圖dll(dynamiclinklibrary)文件為動(dòng)態(tài)鏈接庫(kù)文件，執(zhí)行某一個(gè)程序時(shí)，相應(yīng)的dll文件就會(huì)被調(diào)用。一個(gè)應(yīng)用程序可使用多個(gè)dll文件，一個(gè)dll文件也可能被不同的應(yīng)用程序使用。api(applicationprogramminginterface)函數(shù)是windows提供給用戶作為應(yīng)用程序開(kāi)發(fā)的接口。2025 年 IT 趨勢(shì)展望：深圳艾策的五大技術(shù)突破。陽(yáng)江軟件產(chǎn)品檢測(cè)報(bào)告

    optimizer)采用的是adagrad，batch_size是40。深度神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練基本都是基于梯度下降的，尋找函數(shù)值下降速度**快的方向，沿著下降方向迭代，迅速到達(dá)局部**優(yōu)解的過(guò)程就是梯度下降的過(guò)程。使用訓(xùn)練集中的全部樣本訓(xùn)練一次就是一個(gè)epoch，整個(gè)訓(xùn)練集被使用的總次數(shù)就是epoch的值。epoch值的變化會(huì)影響深度神經(jīng)網(wǎng)絡(luò)的權(quán)重值的更新次數(shù)。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，前端融合模型的準(zhǔn)確率變化曲線如圖5所示，模型的對(duì)數(shù)損失變化曲線如圖6所示。從圖5和圖6可以看出，當(dāng)epoch值從0增加到5過(guò)程中，模型的驗(yàn)證準(zhǔn)確率和驗(yàn)證對(duì)數(shù)損失有一定程度的波動(dòng)；當(dāng)epoch值從5到50的過(guò)程中，前端融合模型的訓(xùn)練準(zhǔn)確率和驗(yàn)證準(zhǔn)確率基本不變，訓(xùn)練和驗(yàn)證對(duì)數(shù)損失基本不變；綜合分析圖5和圖6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)。前端融合模型的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7所示，規(guī)范化后的混淆矩陣如圖8所示。前端融合模型的roc曲線如圖9所示，該曲線反映的是隨著檢測(cè)閾值變化下檢測(cè)率與誤報(bào)率之間的關(guān)系曲線。長(zhǎng)沙軟件安全評(píng)測(cè)公司壓力測(cè)試表明系統(tǒng)在5000并發(fā)用戶時(shí)響應(yīng)延遲激增300%。

    首先和大家聊一下什么是cma第三方軟件檢測(cè)資質(zhì),什么是cnas第三方軟件檢測(cè)資質(zhì)，這兩個(gè)第三方軟件測(cè)評(píng)檢測(cè)的資質(zhì)很多人會(huì)分不清楚。那么首先我們來(lái)看一下，cma是屬于市場(chǎng)監(jiān)督管理局的一個(gè)行政許可，在國(guó)內(nèi)是具有法律效力的認(rèn)可資質(zhì)。Cnas屬于中國(guó)合格評(píng)定國(guó)家委員會(huì)頒發(fā)的一個(gè)資質(zhì)，效力也是受到認(rèn)可的，但是cnas同時(shí)也是在全球范圍內(nèi)可以通用認(rèn)可，所以更多的適用于有國(guó)際許可認(rèn)證需求的客戶。那么，有的客戶會(huì)存在疑問(wèn)，為什么有時(shí)候軟件項(xiàng)目要求同時(shí)出具cma和cnas雙資質(zhì)認(rèn)證呢，這如果是在軟件開(kāi)發(fā)項(xiàng)目需求中明確要求雙資質(zhì)，那么就需要在出具軟件測(cè)試報(bào)告的同時(shí)蓋這兩個(gè)資質(zhì)章，但是如果項(xiàng)目并沒(méi)有明確要求，只是要求第三方軟件檢測(cè)機(jī)構(gòu)出具的軟件測(cè)試報(bào)告的話，那么其實(shí)可以用cma或者cnas其中任何一個(gè)來(lái)進(jìn)行替代即可。說(shuō)完了這些基本的關(guān)于軟件檢測(cè)機(jī)構(gòu)的資質(zhì)要求后，我們來(lái)看一下如何選擇比較靠譜或者具備正規(guī)效力的cma和cnas軟件測(cè)評(píng)機(jī)構(gòu)呢？首先，需檢驗(yàn)機(jī)構(gòu)的許可資質(zhì)，如果軟件測(cè)試機(jī)構(gòu)具備兩個(gè)資質(zhì)，那肯定是更好的選擇，但是如果只具備一個(gè)第三方軟件測(cè)試的資質(zhì)，其實(shí)也是沒(méi)有問(wèn)題的，在滿足業(yè)務(wù)需求場(chǎng)景的前提下，不需要去苛求兩個(gè)資質(zhì)都需要具備。第二。

    后端融合模型的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13所示，規(guī)范化后的混淆矩陣如圖14所示。后端融合模型的roc曲線如圖15所示，其顯示后端融合模型的auc值為。(6)中間融合中間融合的架構(gòu)如圖16所示，中間融合方式用深度神經(jīng)網(wǎng)絡(luò)從三種模態(tài)的特征分別抽取高等特征表示，然后合并學(xué)習(xí)得到的特征表示，再作為下一個(gè)深度神經(jīng)網(wǎng)絡(luò)的輸入訓(xùn)練模型，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(guò)擬合，優(yōu)化器(optimizer)采用的是adagrad，batch_size是40。圖16中，用于抽取dll和api信息特征視圖的深度神經(jīng)網(wǎng)絡(luò)包含3個(gè)隱含層，其***個(gè)隱含層的神經(jīng)元個(gè)數(shù)是128，第二個(gè)隱含層的神經(jīng)元個(gè)數(shù)是64，第三個(gè)隱含層的神經(jīng)元個(gè)數(shù)是32，且3個(gè)隱含層中間間隔設(shè)置有dropout層。用于抽取格式信息特征視圖的深度神經(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，其第二個(gè)隱含層的神經(jīng)元個(gè)數(shù)是32，且2個(gè)隱含層中間設(shè)置有dropout層。用于抽取字節(jié)碼n-grams特征視圖的深度神經(jīng)網(wǎng)絡(luò)包含4個(gè)隱含層，其***個(gè)隱含層的神經(jīng)元個(gè)數(shù)是512，第二個(gè)隱含層的神經(jīng)元個(gè)數(shù)是384，第三個(gè)隱含層的神經(jīng)元個(gè)數(shù)是256，第四個(gè)隱含層的神經(jīng)元個(gè)數(shù)是125。從傳統(tǒng)到智能：艾策科技助力制造業(yè)升級(jí)之路。

    收藏查看我的收藏0有用+1已投票0軟件測(cè)試方法編輯鎖定本詞條由“科普**”科學(xué)百科詞條編寫(xiě)與應(yīng)用工作項(xiàng)目審核。軟件測(cè)試是使用人工或自動(dòng)的手段來(lái)運(yùn)行或測(cè)定某個(gè)軟件系統(tǒng)的過(guò)程，其目的在于檢驗(yàn)它是否滿足規(guī)定的需求或弄清預(yù)期結(jié)果與實(shí)際結(jié)果之間的差別。[1]從是否關(guān)心軟件內(nèi)部結(jié)構(gòu)和具體實(shí)現(xiàn)的角度劃分，測(cè)試方法主要有白盒測(cè)試和黑盒測(cè)試。白盒測(cè)試方法主要有代碼檢査法、靜態(tài)結(jié)構(gòu)分析法、靜態(tài)質(zhì)量度量法、邏輯覆蓋法、基夲路徑測(cè)試法、域測(cè)試、符號(hào)測(cè)試、路徑覆蓋和程序變異。黑盒測(cè)試方法主要包括等價(jià)類(lèi)劃分法、邊界值分析法、錯(cuò)誤推測(cè)法、因果圖法、判定表驅(qū)動(dòng)法、正交試驗(yàn)設(shè)計(jì)法、功能圖法、場(chǎng)景法等。[1]從是否執(zhí)行程序的角度劃分，測(cè)試方法又可分為靜態(tài)測(cè)試和動(dòng)態(tài)測(cè)試。靜態(tài)測(cè)試包括代碼檢査、靜態(tài)結(jié)構(gòu)分析、代碼質(zhì)量度量等。動(dòng)態(tài)測(cè)試由3部分組成：構(gòu)造測(cè)試實(shí)例、執(zhí)行程序和分析程序的輸出結(jié)果。數(shù)字化轉(zhuǎn)型中的挑戰(zhàn)與應(yīng)對(duì)：艾策科技的經(jīng)驗(yàn)分享。浙江cma軟件測(cè)試

漏洞掃描報(bào)告顯示依賴(lài)庫(kù)存在5個(gè)已知CVE漏洞。陽(yáng)江軟件產(chǎn)品檢測(cè)報(bào)告

    I)應(yīng)用過(guò)程數(shù)據(jù)預(yù)防缺陷。這時(shí)的軟件**能夠記錄軟件缺陷，分析缺陷模式，識(shí)別錯(cuò)誤根源，制訂防止缺陷再次發(fā)生的計(jì)劃，提供**這種括動(dòng)的辦法，并將這些活動(dòng)貫穿于全**的各個(gè)項(xiàng)目中。應(yīng)用過(guò)程數(shù)據(jù)預(yù)防缺陷有礴個(gè)成熟度子目標(biāo):1)成立缺陷預(yù)防組。2)識(shí)別和記錄在軟件生命周期各階段引入的軟件缺陷和消除的缺陷。3)建立缺陷原因分析機(jī)制，確定缺陷原因。4)管理，開(kāi)發(fā)和測(cè)試人員互相配合制訂缺陷預(yù)防計(jì)劃，防止已識(shí)別的缺陷再次發(fā)生。缺陷預(yù)防計(jì)劃要具有可**性。(II)質(zhì)量控制在本級(jí)，軟件**通過(guò)采用統(tǒng)計(jì)采樣技術(shù)，測(cè)量**的自信度，測(cè)量用戶對(duì)**的信賴(lài)度以及設(shè)定軟件可靠性目標(biāo)來(lái)推進(jìn)測(cè)試過(guò)程。為了加強(qiáng)軟件質(zhì)量控制，測(cè)試組和質(zhì)量保證組要有負(fù)責(zé)質(zhì)量的人員參加，他們應(yīng)掌握能減少軟件缺陷和改進(jìn)軟件質(zhì)量的技術(shù)和工具。支持統(tǒng)計(jì)質(zhì)量控制的子目標(biāo)有:?1)軟件測(cè)試組和軟件質(zhì)量保證組建立軟件產(chǎn)品的質(zhì)量目標(biāo)，如:產(chǎn)品的缺陷密度，**的自信度以及可信賴(lài)度等。2)測(cè)試管理者要將這些質(zhì)量目標(biāo)納入測(cè)試計(jì)劃中。3)培訓(xùn)測(cè)試組學(xué)習(xí)和使用統(tǒng)計(jì)學(xué)方法。4)收集用戶需求以建立使用模型(III)優(yōu)化測(cè)試過(guò)程在測(cè)試成熟度的***，己能夠量化測(cè)試過(guò)程。這樣就可以依據(jù)量化結(jié)果來(lái)調(diào)整測(cè)試過(guò)程。陽(yáng)江軟件產(chǎn)品檢測(cè)報(bào)告