软件学报

作者：代贺鹏，孙昌爱，金慧，肖明俊

单位：代贺鹏，北京科技大学 计算机与通信工程学院, 北京 10008311,孙昌爱，北京科技大学 计算机与通信工程学院, 北京 10008302,金慧，北京科技大学 计算机与通信工程学院, 北京 10008303,肖明俊，北京科技大学 计算机与通信工程学院, 北京 10008304

关键词：深度学习系统;模糊测试;研究进展

基金：国家自然科学基金(61872039); 北京市自然科学基金(4162040); 航空科学基金(2016ZD74004)

深度学习系统具有强大的学习与推理能力, 在无人驾驶、语音识别和机器人等领域应用广泛. 由于数据集的限制以及依赖人工标签数据, 深度学习系统易于出现非预期的行为. 近年来, 深度学习系统的质量问题受到广泛的关注, 特别是在安全攸关的领域. 由于模糊测试具有较强的故障揭示能力, 运用模糊测试技术对深度学习系统进行测试成为研究热点. 从测试用例生成(包括种子队列构建、种子选择和种子变异)、测试结果判定、覆盖分析3个方面对已有的深度学习系统的模糊测试技术进行总结, 并介绍常用的数据集以及度量指标, 最后对其发展方向进行展望.

来源：2023年第11期

《软件学报》期刊编辑部

查看软件学报杂志2023年第11期