软件学报

作者：吴泊逾，王凯锐，王亚文，王俊杰

单位：吴泊逾，中国科学院大学, 北京 10004911,王凯锐，中国科学院大学, 北京 100049;智能博弈重点实验室 (中国科学院 软件研究所), 北京 100190;中国科学院 软件研究所, 北京 10019002,王亚文，中国科学院大学, 北京 100049;智能博弈重点实验室 (中国科学院 软件研究所), 北京 100190;中国科学院 软件研究所, 北京 10019003,王俊杰，中国科学院大学, 北京 100049;智能博弈重点实验室 (中国科学院 软件研究所), 北京 100190;中国科学院 软件研究所, 北京 10019004

关键词：连续决策模型;马尔可夫决策过程;模糊测试

基金：国家自然科学基金(62232016, 62072442); 中国科学院青年创新促进会; 中国科学院软件研究所基础研究项目(ISCAS-JCZD-202304); 中国科学院软件研究所创新基金重大重点项目(ISCAS-ZD-202302); 中国科学院软件研究所2024年度“创新团队” (2024-66)

人工智能技术的应用已经从分类、翻译、问答等相对静态的任务延伸到自动驾驶、机器人控制、博弈等需要和环境进行一系列“交互-行动”才能完成的相对动态的任务. 执行这类任务的模型核心是连续决策算法, 由于面临更高的环境和交互的不确定性, 而且这些任务往往是安全攸关的系统, 其测试技术面临极大的挑战. 现有的智能算法模型测试技术主要集中在单一模型的可靠性、复杂任务多样性测试场景生成、仿真测试等方向, 对连续决策模型的“交互-行动”决策序列没有关注, 导致无法适应, 或者成本效益低下. 提出一个干预惰性“交互-行动”决策序列执行的模糊测试方法IIFuzzing, 在模糊测试框架中, 通过学习“交互-行动”决策序列模式, 预测不会触发失效事故的惰性“交互-行动”决策序列, 并中止这类序列的测试执行, 以提高测试效能. 在4种常见的测试配置中进行实验评估, 结果表明, 与最新的针对连续决策模型的模糊测试相比, IIFuzzing可以在相同时间内多探测16.7%–54.5%的失效事故, 并且事故的多样性也优于基线方法.

来源：2025年第10期

《软件学报》期刊编辑部

查看软件学报杂志2025年第10期