原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明针对深度神经网络的测试用例生成问题，首先，利用变异工具生成变异算子，计算原始测试集变异分数，并筛选出变异分数未达阈值的变异算子。然后，利用排序函数对原始测试集进行排序，得到排序序列。从序列中依次选择待扰动图像，生成遮蔽图像集合，统计出每个像素在变异模型上的频谱信息。最后，利用频谱信息计算像素可疑度，使用梯度上升算法进行逐像素扰动，以获得增强测试集。该方法以变异分数为目标，生成的测试用例具有较优的检错能力，有助于在深度神经网络测试中提升模型的鲁棒性与可靠性，具有高效、实用等特点。
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117472781A
(43)申请公布日2024.01.30
(21)申请号202311688802.1
(22)申请日2023.12.11
(71)申请人四川大学
地址610065
文档评论（0）