[发明专利]一种基于机器学习的模糊测试用例生成方法及运行该方法的计算机设备与可读存储介质

说明书

本发明涉及一种基于机器学习的模糊测试用例生成方法及运行该方法的计算机设备与可读存储介质，通过在测试平台中增加四类组件达到优化测试用例的效果：1、基于测试脚本模型变异策略标记污点数据；2、扩展测试引擎支持调用污点传播路径分析模块；3、测试引擎增加测试用例评价筛选组件；4、污点数据追踪表的设计与存储。使用动态污点跟踪技术进行模糊测试用例的目标是减少测试用例冗余度，减少不同测试用例执行目标程序相同路径的情况，保证尽量少的测试用例覆盖尽量多的测试程序路径。本发明将使用动态污点跟踪技术的原理进行模块化设计，使测试平台能够根据协议实现的程序特点差异化定制动态污点传播分析技术中的各项要素和测试用例筛选模型。

技术领域

本发明涉及模糊测试领域，具体涉及一种基于机器学习的模糊测试用例生成方法及运行该方法的计算机设备与可读存储介质。

背景技术

模糊测试是一种通过向目标系统提供非预期的输入并监视异常结果来发现软件漏洞的方法。当传统工业网络借助互联互通技术飞速发展，功能日渐强大，效率大幅提升的同时，工业互联网安全也越来越受到关注，一旦工业互联网中的关键协议设备被攻击导致工控设备无法正常工作，将会导致企业重大经济损失等严重后果。在对工业互联网安全的研究中，其中一个很重要的思路是对网络中的关键设备进行协议安全测试，模糊测试是安全测试的一个常用方法，它是一项简单的技术，但是却能够找出许多协议实现过程中的重要bug，及时预警或采取规避措施，确保在设备上线之前，协议漏洞得到及时修复或有效追踪，从而提高网络系统的整体安全性。

工业互联网、物联网发展迅速，国际上知名的工控协议测试平台在专业技术上比较权威，但面对国内越来越繁杂的设备检测需求，存在定制开发周期长、检测费用高、不支持添加自定义协议等问题，并不能完全满足国内工控物联网发展的测试需求，国内相关的企事业单位都在自主研发网络安全测试平台，其中包含一种用于工控物联网协议的模糊测试平台（以下简称“测试平台”），国内工控物联网领域尚没有一款针对协议测试的通用工具，该测试平台开发了一套高效的模糊测试语言，根据工控和物联网协议面向控制、高度结构化的特点，提供专用变异方法如结构变异、错误注入、上下文不一致等，保证快速高效地构建协议测试模型，由测试引擎基于模型自动生成大量测试用例。该测试平台不仅能满足传统工控协议的测试需求，也能快速应用于医学数字影像通信协议、轨道交通安全通信协议等行业协议，为相关设备提供检测服务。

模糊测试在安全测试方面有它的优势，也存在难以避免的缺陷。因为模糊测试是黑盒测试的一种，测试过程与目标程序紧密度比较差，缺乏针对性，模糊测试脚本往往冗余量大，而漏洞检出率低，隐藏较深的漏洞无法检出等问题。本发明在上述测试平台基础上提供了一种基于机器学习的模糊测试用例生成方法，基于现有测试平台框架，扩展测试脚本的变异函数接口，支持使用机器学习算法生成测试用例库，升级测试引擎的数据接收模块，支持对目标设备返回数据进行解析，记录本条测试用例对应的执行目标程序的路径信息，实现对测试用例的评价，达到筛选最优测试用例的目标。

发明内容

发明目的：提供一种基于机器学习的模糊测试用例生成方法，进一步目的是提出一种运行上述方法的计算机设备与可读存储介质，以解决现有技术存在的上述问题。

技术方案：一种基于机器学习的模糊测试用例生成方法，包括污点跟踪、污点分析、测试用例筛选、以及存储污点数据追踪表四个步骤，具体如下：

步骤1、污点跟踪：标记污点源，跟踪目标程序运行；

步骤2、污点分析：存储污点跟踪信息，分析污点路径的相似度；

步骤3、测试用例筛选：标记有效测试用例，生成新的测试用例库；

步骤4、存储污点数据追踪表。