On the Power Performance of Test Statistics for the Generalized Rayleigh Interval Grouped Data

In this paper, the weighted Kolmogrov-Smirnov, Cramer von-Miss and the Anderson Darling test statistics are considered as goodness of fit tests for the generalized Rayleigh interval grouped data. An extensive simulation process is conducted to evaluate their controlling of type 1 error and their power functions. Generally, the weighted Kolmogrov-Smirnov test statistics show a relatively better performance than both, the Cramer von-Miss and the Anderson Darling test statistics. For large sample values, the Anderson Darling test statistics cannot control type 1 error but for relatively small sample values it indicates a better performance than the Cramer von-Miss test statistics. Best selection of the test statistics and highlights for future studies are also explored.

Robust Inference for Time-Varying Coefficient Models with Longitudinal Data

Time-varying coefficient models are useful in longitudinal data analysis. Various efforts have been invested for the estimation of the coefficient functions, based on the least squares principle. Related work includes smoothing spline and kernel methods among others, but these methods suffer from the shortcoming of non-robustness. In this paper, we introduce a local M-estimation method for estimating the coefficient functions and develop a robustified generalized likelihood ratio (GLR) statistic to test if some of the coefficient functions are constants or of certain parametric forms. The robustified GLR test is robust against outliers and the error distribution. This provides a useful robust inference tool for the models with longitudinal data. The bandwidth selection issue is also addressed to facilitate the implementation in practice. Simulations show that the proposed testing method is more powerful in some situations than its counterpart based on the least squares principle. A real example is also given for illustration.

轻量级嵌入式软件自动化测试框架设计

为满足嵌入式软件测试过程中测试数据的快速生成与输入,采用数据与关键字驱动的混合驱动方法对嵌入式软件自动化测试框架进行设计。通过对嵌入式软件自动化测试框架的研究,明确测试框架设计的难点;对软件测试数据的组成与结构进行分析,构建数据与关键字驱动模型并对其生成与输入算法进行设计,根据模型实现复杂多接口测试数据的快速生成与输入。采用模块化思想,利用多线程原理对该轻量级测试框架进行设计与实现,通过实例验证该框架能够实现测试数据的自动生成与快速输入,提升测试效率。

基于对抗生成网络的缺陷定位模型域数据增强方法

缺陷定位获取并分析测试用例集的运行信息,从而度量出各个语句为缺陷的可疑性.测试用例集由输入域数据构建,包含成功测试用例和失败测试用例两种类型.由于失败测试用例在输入域分布不规律且比例很低,失败测试用例数量往往远少于成功测试用例数量.已有研究表明,少量失败测试用例会导致测试用例集出现类别不平衡问题,严重影响着缺陷定位有效性.为了解决这个问题,提出基于对抗生成网络的缺陷定位模型域数据增强方法.该方法基于模型域(即缺陷定位频谱信息)而非传统输入域(即程序输入),利用对抗生成网络合成覆盖最小可疑集合的模型域失败测试用例,从模型域上解决类别不平衡的问题.实验结果表明,所提方法大幅提升了11种典型缺陷定位方法的效能.

基于模糊测试技术的电力工控系统漏洞挖掘算法

针对工控系统运行环境封闭带来的传统漏洞检测无法导出系统组件进行分析的问题,根据工控网络协议特征,结合测试用例变异因子,针对Modbus_TCP公开协议提出一种改进的电力工控系统漏洞测试挖掘方法。所提方法利用变异因子与工控协议特征依赖关系,改造协议测试用例。通过将测试用例的特征值和数据域的长度值因子及其数值的选择进行合并,并做归一化处理,进而简化协议测试过程中变异因子的执行次数。针对Modbus_TCP工控协议的模糊测试结果表明,改进后的Fuzzing测试表现出了更高的测试用例接收率和测试效率,测试样例的平均接收率至少提高50%。

免疫粒子群算法的测试数据生成

为有效改善粒子群算法进化后期收敛速度慢,克服易陷入局部极值的缺陷,提出一种自适应免疫粒子群算法并在面向路径的测试数据生成中得到应用。本文提出自适应的惯性权重的调整方法和学习因子的调节策略,加快算法的搜索速率;引入免疫算法中的免疫算子,提出抗体的浓度调节机制,使得粒子群的多样性更加丰富,提升算法的寻优能力;通过免疫选择操作,避免算法的早熟收敛;以分支函数叠加法构造适应度函数。实验结果表明,该算法避免了粒子群算法早熟收敛现象的发生,有效地提高了测试数据自动生成的效率。

Test Data Generation for Stateful Network Protocol Fuzzing Using a Rule-Based State Machine

To improve the efficiency and coverage of stateful network protocol fuzzing, this paper proposes a new method, using a rule-based state machine and a stateful rule tree to guide the generation of fuzz testing data. The method first builds a rule-based state machine model as a formal description of the states of a network protocol. This removes safety paths, to cut down the scale of the state space. Then it uses a stateful rule tree to describe the relationship between states and messages, and then remove useless items from it. According to the message sequence obtained by the analysis of paths using the stateful rule tree and the protocol specification, an abstract data model of test case generation is defined. The fuzz testing data is produced by various generation algorithms through filling data in the fields of the data model. Using the rule-based state machine and the stateful rule tree, the quantity of test data can be reduced. Experimental results indicate that our method can discover the same vulnerabilities as traditional approaches, using less test data, while optimizing test data generation and improving test efficiency.

基于ART优化选择策略的遗传算法生成测试数据方法

测试数据自动生成方法是软件测试领域研究的热点。基于遗传算法的启发式搜索算法是一种路径覆盖生成测试数据的方法。文中提出了一种基于自适应随机测试(Adaptive Random Testing,ART)算法更新种群的方法,将ART融入遗传算法,优化选择操作,动态更新种群,从而增加种群进化过程中的个体多样性,提高了收敛速度,有效地减少了陷入局部最优。实验结果显示,与传统遗传算法生成测试数据的方法相比,改进的算法明显提高了路径覆盖率,减少了种群平均进化代数。

基于强化学习选择策略的路径覆盖测试数据生成算法

面向路径覆盖的测试是软件测试的重要方法之一。如何快速生成高质量测试数据使其满足路径覆盖要求,一直是研究热点问题。为解决现有智能优化方法运行时间长、探索过程不稳定以及生成测试用例冗余的问题,提出一种基于强化学习思想的选择策略,用于以路径覆盖为准则的测试数据生成中。通过将可执行路径定义为智能体状态,算法每一轮迭代更新后的数据选择定义为智能体动作,并将奖励函数与状态变化关联,在状态更新过程中使用贪心策略来引导输入数据不断向未获取状态变异更新,以此不断选择能够覆盖新可执行路径的数据,从而实现对待测程序所有执行路径覆盖的目标。实验结果表明,与其他算法相比,所提策略的运行时间和迭代次数明显降低,同时覆盖率快速提高。结合理论分析可以得出结论:所提策略在实际运用中能够有效实现路径覆盖并提高测试数据生成效率。

Test-Data Generation Guided by Static Defect Detection

Software testing is an important technique to assure the quality of software systems, especially high-confidence systems. To automate the process of software testing, many automatic test-data generation techniques have been proposed. To generate effective test data, we propose a test-data generation technique guided by static defect detection in this paper. Using static defect detection analysis, our approach first identifies a set of suspicious statements which are likely to contain faults, then generates test data to cover these suspicious statements by converting the problem of test-data generation to the constraint satisfaction problem. We performed a case study to validate the effectiveness of our approach, and made a simple comparison with another test-data generation on-line tool, JUnit Factory. The results show that, compared with JUnit Factory, our approach generates fewer test data that are competitive on fault detection.

A novel strategy for automatic test data generation using soft computing technique

Software testing is one of the most crucial and analytical aspect to assure that developed software meets pre- scribed quality standards. Software development process in- vests at least 50% of the total cost in software testing process. Optimum and efficacious test data design of software is an important and challenging activity due to the nonlinear struc- ture of software. Moreover, test case type and scope deter- mines the quality of test data. To address this issue, software testing tools should employ intelligence based soft comput- ing techniques like particle swarm optimization （PSO） and genetic algorithm （GA） to generate smart and efficient test data automatically. This paper presents a hybrid PSO and GA based heuristic for automatic generation of test suites. In this paper, we described the design and implementation of the proposed strategy and evaluated our model by performing ex- periments with ten container classes from the Java standard library. We analyzed our algorithm statistically with test ad- equacy criterion as branch coverage. The performance ade- quacy criterion is taken as percentage coverage per unit time and percentage of faults detected by the generated test data. We have compared our work with the heuristic based upon GA, PSO, existing hybrid strategies based on GA and PSO and memetic algorithm. The results showed that the test case generation is efficient in our work.

论欧盟《通用数据保护条例》的域外效力

2018年欧盟《通用数据保护条例》的实施被视为“数字人权”项下个人数据权保护的“典范”,其重要原因在于其以条例的域外效力契合数据跨境治理的现实需要。条例第三条通过两个维度的设计去搭建个人数据保护的域外适用框架:第一,“经营场所标准”:倘若欧盟境外数据控制、处理、使用等主体采取的数据行为与欧盟境内经营场所具有不可分割的某种联系,那么就要受到条例的规制;第二,“目标指向标准”:若境外数据控制者、处理者等所展开的数据行为是针对欧盟境内的数据主体,那么其亦受到条例的约束。虽然两个标准相互补充,但条例的域外效力仍然面临着考验。条例域外效力的经验和考验,也为我国提供了宝贵的经验和启示。

基于遗传算法优化的SOFM神经网络生成测试数据集的方法

智能算法正成为软件测试领域新兴研究方向,运用智能算法生成复杂软件的测试数据已成为一种广受推崇的方法。采用基于遗传算法的技术生成测试数据,能够生成满足测试覆盖要求的少量测试数据。然而,对于生成大量测试数据集的情况来说,该方法并不适用。为了能够快速生成满足测试覆盖要求的数据集,提出一种基于遗传算法优化的自组织特征映射(SOFM)神经网络生成测试数据集的方法:首先,利用遗传算法的全局搜索能力,从海量数据中筛选出少量满足测试覆盖要求的代表性数据。接着,以这些遗传算法生成的测试数据为基础,结合SOFM神经网络强大的侧向联想能力,旨在生成大量满足测试覆盖要求的测试数据集。实验结果表明,该方法有效提高了测试数据集生成的效率。

同步发电机的结构特点及故障分析

同步发电机作为一种成熟的发电技术,具有简便、清洁、高效等特点,被广泛应用于发电厂中。为了满足更安全、更高效率的工作需求,该研究根据其结构和工作原理,分析了电厂的特性试验和出厂的数据、直流耐压试验、转子交流阻抗和功率损耗试验、三相短路特性试验及空载特性试验。结果表明:(1)故障情况应对试验前后的数据进行比较,并综合不同的特性试验判断;(2)该方法可为故障检测和安全运行提供相关技术参考。

基于Django+Ajax的Web系统数据安全防护与实现--以丽江文化旅游学院智能出卷系统为例

随着信息技术的快速发展和广泛应用,Web系统已经成为当今社会中信息交流、商业活动、社会服务等方面的重要载体,也是提高工作、学习效率的高效工具。然而,这也使得Web系统面临着来自各方面的安全威胁,如黑客攻击、数据泄露、恶意软件等。因此,在系统开发过程中,确保信息安全至关重要。丽江文化旅游学院智能出卷系统是基于Django框架和Ajax技术开发的Web系统,在系统设计开发中,运用了数据加密技术和Python中的参数化查询技术,保证了数据在网络传输过程中的完整性和保密性。

基于优化蚁群算法的软件测试数据自动生成方法

为提高测试数据自动生成的可行性和检索性能,提出基于优化蚁群算法的软件测试数据自动生成方法。构建软件测试数据自动生成模型,通过程序分析单元构建测试路径集合;算法解算单元采用蚁群算法,编码处理输入变量生成初始蚁群,通过蚂蚁搜索路径、释放信息素、编码更新等过程获取测试数据;驱动程序单元获取测试数据后,调用桩程序分析数据有效性,并反馈结果。最后利用遗传算法优化蚁群算法,对获取的路径实施交叉操作,重组搜索子域,提升所生成软件测试数据的多样性。实验结果显示该方法可改善局部最优解问题,具有较好的搜索性能。

Application of Dynamic Slicing in Test Data Generation

The program slicing technique is employed to calculate the current values of the variables at some interest points in software test data generation. This paper introduces the concept of statement domination to represent the multiple nests, and presents a dynamic program slice algorithm based on forward analysis to generate dynamic slices. In the approach, more attention is given to the statement itself or its domination node, so computing program slices is more easy and accurate, especially for those programs with multiple nests. In addition, a case study is discussed to illustrate our algorithm. Experimental results show that the slicing technique can be used in software test data generation to enhance the effectiveness.

冲击电压测量软件的验证及其比对

冲击电压测量软件的计算准确度直接影响冲击电压测量系统的测量水平,笔者介绍了IEC标准对于叠加过冲振荡的雷电全波的计算方法的发展改进过程,简述了自主开发的冲击测量软件的基本功能以及关键问题的解决方法,并采用IEC 61083-2—2010的标准试验数据发生器(TDG)验证了软件的计算准确度。根据该软件对雷电全波(LI)29个典型波形的计算结果,其主要波形参数为峰值Up、波前时间T1、半峰值时间T2、部分相对过冲幅值β与标准值的最大偏差值分别为-0.07%、1.5%、-0.17%、1.0%,各参数的计算偏差都小于标准规定的最大允许偏差。总结采用新方法后各参数的变化趋势,笔者选择IEC 61083—1996 TDG软件规定的17种典型波形(LI),结果显示新方法计算的过冲低于旧标准值,因此拟合基准曲线峰值低于旧方法中的平均曲线的峰值;对于过冲频率f≥500 kHz时,由于计算滤波方法的不同,新方法得到的T1和Up分别低于、高于旧标准值。

一种Web服务的测试数据自动生成方法

软件测试是保证Web服务质量的重要技术手段.测试数据生成是Web服务测试的重要内容.测试数据的质量将直接影响Web服务测试的效率和成本.文章基于合约式设计的 Web服务测试技术,提出一种 Web服务的测试数据自动生成方法.首先根据WSDL文档采用随机法自动生成初始测试数据,然后使用合约变异技术进行测试数据的选择,据此可以生成一组达到一定合约变异充分度的有效测试数据,从而提高 Web服务的测试质量和效率.最后实现了一个Web服务的测试数据自动生成工具原型,并通过实验验证了方法的有效性.

Fuzzing技术综述

通过分析比较多种Fuzzing技术的定义,结合其当前发展所基于的知识和采用的方法,给出了Fuzzing技术的一个新的定义;重点从与黑盒测试技术的区别、测试对象、架构和测试数据产生机理四个方面总结了当前Fuzzing技术采用的一些新思想、新方法以及它们的缺陷。针对这些缺陷和实际应用中的需求,分别提出了当前Fuzzing技术下一步的具体研究方向和对应的研究方法。