基于多模态表征的移动应用GUI模糊测试框架

GUI模糊测试在提升移动应用可靠性和兼容性方面发挥着关键作用.然而,现有的GUI模糊测试方法大多效率较低,主要原因是这些工作过于粗粒度,仅基于单一模态的特征来整体理解GUI页面,应用状态的过度抽象使得许多细节信息被忽略,导致对GUI状态及小部件的理解不足.为了解决上述问题,提出了一种基于多模态表征的移动应用GUI模糊测试框架GUIFuzzer.该框架通过考虑多模态特征,如视觉特征、布局上下特征和细粒度的元属性特征,来联合推断GUI小部件的语义;然后,训练一个多层次奖励驱动的深度强化学习模型来优化GUI事件选择策略,提高模糊测试的效率.在大量的真实应用上对所提框架进行了评估.实验结果表明:与现有的竞争性基线相比,GUIFuzzer显著地提升了模糊测试的覆盖率.还对特定目标的定制化搜索即敏感API触发进行了案例研究,进一步验证了GUIFuzzer框架的实用性.

基于微信企业号的医院舆情监测响应系统设计及应用

针对医院网络舆情突发性强、波及面广、易扩散、易放大且本地化明显等特点,设计并实现一种基于微信企业号的医院网络舆情监测响应系统。阐述了利用jsoup实现医院舆情信息定制化搜索的原理,并给出了基于微信企业号开发的监测响应系统关键实现步骤。实践效果表明,此系统对医院舆情信息发现的时效性、准确性有很大帮助。