基于LSTM的S7协议模糊测试用例生成方法

摘要：

基于传统模糊测试框架的S7协议模糊测试技术存在构造困难和代码覆盖率低的问题,对测试效率和质量产生很大影响.借助神经网络模型对数据较强的学习能力和预测能力,提出一种基于长短期记忆(LSTM)神经网络的S7协议模糊测试用例生成方法.将S7协议中的特征值字段分为可变字段和不可变字段,对可变字段进行模糊处理,对不可变字段做固定值操作,进而利用局部模糊实现对S7协议帧各字段的模糊分析,生成有效的测试用例.经过学习,模型可以提取到西门子S7协议的特征,自动产生满足协议结构的测试用例.实验对不同字段进行局部模糊,结果表明,该方法预测出的数据具备真实测试用例的特征,可生成大量对特征字段关联性较大的有效测试用例,提高代码覆盖率.

关键词：长短期记忆神经网络;S7协议;模糊测试;测试用例;字段

所属期刊栏目：47

分类号：TP391.1(计算技术、计算机技术)

资助基金：北京市科委计划项目;国家电网公司工作部科技项目

在线出版日期：2021-09-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：183-188