[发明专利]智能化场景下流量监测系统的测试样本生成方法

权利要求书

1.智能化场景下流量监测系统的测试样本生成方法，其特征在于所述方法包括如下步骤：

步骤1，从模型的测试数据集中随机选取一组种子数据集，对模型引入3种突变因子，生成相应的3种变异模型，同时初始化组合覆盖列表；

步骤2，在种子数据集中随机选择1个种子数据，输入到原模型和3种变异模型中，最大化原模型和各变异模型对预测结果置信度的差异性；

步骤3，从当前组合覆盖列表中选择一组未实现组合覆盖准则的神经元，最小化原模型中使神经元组中下层神经元发生状态转换的两个上层神经元的变动距离；

步骤4，对步骤2、步骤3两个问题进行联合优化，使用梯度上升算法求解，引入流量数据限制条件，修改种子数据；检测修改后的数据是否能引起原模型与变异模型预测结果产生差异，是，则加入测试数据集；反之，则丢弃；

步骤5，重复步骤2至步骤4，直到种子数据集为空。

2.根据权利要求1所述的智能化场景下流量监测系统的测试样本生成方法，其特征在于：步骤1中使用层删除、权重翻转和偏置置零3种突变因子：1)层删除：随机选择一层，将该层权重置为0，偏置置为上一层输入值，使得该层的输入与输出一致，从而实现层删除的效果；2)权重翻转：随机选择一层，将该层神经元权重进行取相反数操作，实现该层权重翻转效果；3)偏置归0：随机选择一层，将该层的偏置置为0，从而实现偏置归0的效果。

3.根据权利要求1所述的智能化场景下流量监测系统的测试样本生成方法，其特征在于：步骤1中使用的组合覆盖标准，该标准由模型中任意两个同层神经元和一个相邻下层神经元组成的三元组组成，设激活为1，未激活为0，对一个神经元三元组(n₀,n₁,n₂)，其中n₀表示下层神经元，n₁和n₂表示两个上层神经元，当三元组中n₁和n₂产生了不同的四种激活状态(0,0)、(0,1)、(1,0)、(1,1)下，使得n₀产生了2种不同的激活状态0和1，则此时(n₀,n₁,n₂)这个三元组被组合覆盖。

4.根据权利要求1所述的智能化场景下流量监测系统的测试样本生成方法，其特征在于：步骤2中使计算原模型预测结果的置信度和其他3种变异模型置信度的差值，式中N_i(x) 表示测试样本x输入到模型N_i时的输出结果，其中N₀表示原模型，N₁、N₂和N₃分别表示由三种突变因子生成的变异模型， Loss(N_i(x),c₀)表示输出结果N_i(x)对类别c₀的置信度，其中c₀表示原始模型N₀对样本x的输出结果N₀(x)的最大置信度的类别，即c₀＝max Loss(N₀(x),C)，C表示所有预测类别集合， λ_i表示平衡各模型置信度的参数。

5.根据权利要求1所述的智能化场景下流量监测系统的测试样本生成方法，其特征在于：步骤3中使用obj₂(x)＝||n₀(x)-a₁·n₁(x)-a₂·n₂(x)||²计算引起下层神经元发生状态转变的变动距离，其中，a₁和a₂分别表示神经元n₁和n₂到神经元n₀的权重，n_i(x)表示在样本x输入情况下神经元n_i的输出。