平码五不中公式规律
  • / 8
  • 下载费用:30 金币  

一种基于多种群协同演化遗传算法的模糊测试系统.pdf

关 键 ?#21097;?/dt>
一种 基于 多种 协同 演化 遗传 算法 模糊 测试 系统
  专利查询网所有?#35797;?#22343;是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
摘要
申请专利号:

CN201410139727.8

申请日:

2014.04.04

公开号:

CN103914383A

公开日:

2014.07.09

当前法律状态:

驳回

有效性:

无权

法?#19978;?#24773;: 发明专利申请公布后的驳回IPC(主分类):G06F 11/36申请公布日:20140709|||实质审查的生效IPC(主分类):G06F 11/36申请日:20140404|||公开
IPC分类号: G06F11/36 主分类号: G06F11/36
申请人: 福州大学
发明人: 杜晓军; 林柏钢; ?#31181;?#36828;; 李应; 杨旸; 陈明志
地址: 350108 福建省福州市闽侯县上街镇大学城学园路2号福州大学新区
优?#28909;ǎ?/td>
专利代理机构: 福州元创专利商标代理有限公司 35100 代理人: 蔡学俊
PDF完整版下载: PDF下载
法律状态
申请(专利)号:

CN201410139727.8

授权公告号:

||||||

法律状态公告日:

2018.02.09|||2014.08.06|||2014.07.09

法律状态类型:

发明专利申请公布后的驳回|||实质审查的生效|||公开

摘要

本发明公开一种基于多种群协同演化遗传算法的模糊测试系统,属于软件安全测试领域,其包括:模糊测试端,负责将测试样例输入到待测系统之中,反复测试并观察待测系统。测试样本生成端,用于测试样本的产生并通过网络传输给模糊测试端并利用收集到的信息,根据基本块的覆盖次数以?#23433;?#23433;全函数的触发情况计算个体适应度值,再结合不安全函数的类型,利用多子种群协同演化的遗传模型对测试样本进行进化产生新的样本。本发明系统的有益效果是在对网络应用程序进行测试时,提高了代码的覆盖率,改善漏洞挖掘的效?#30465;?/p>

权利要求书

权利要求书
1.  一种基于多种群协同演化遗传算法的模糊测试系统,其特征在于包括?#21644;?#36807;网络传输通讯的模糊测试端和测试样本生成端;
所述的模糊测试端包括:
数据库;
?#34081;?#20998;析模块,用于在测试开始前,对测试样例的二进制执行程序进行预处理,所述处理包括对程序中基本块的识别与提取,?#36828;?#36827;制执行程序中不安全函数的识别和调用的位置的提取和记录,然后将记录的数据存入数据库之中;
代码追踪模块,用于观察系统在整个运行过程中的行动路径记录以及异常信息,并进行收集、存入数据库;以及
异常检测与恢复模块,用于监视并记录二进制执行程序的异常信息,进行进程快照的建立和恢复;
所述的测试样本生成端用于测试样本的产生并通过网络传输给模糊测试端,其包括:
交互控制与显示界面,用于输入控制参数、测试端地址以及显示样例产生的结果,并返回测试端测试的结果;以及
演化模块,利用收集到的信息,根据基本块的覆盖次数以?#23433;?#23433;全函数的触发情况计算个体适应度值,再结合不安全函数的类型,利用多子种群协同演化的遗传模型对测试样本进行进化产生新的样本。

说明书

说明书一种基于多种群协同演化遗传算法的模糊测试系统
技术领域
本发明涉及软件安全测试领域,特别是一种基于多种群协同演化遗传算法的模糊测试系统。
背景技术
近些年以各式各样的病毒、蠕虫、木马和恶意程序大量的传播泛?#27169;?#20351;得信息安全的保障面临越来越严峻的形势。而在所?#26032;?#27934;类型中,大部分的网络攻击行为的主要源头都是软件安全漏洞,软件安全漏洞是这些攻击能够形成的主要原因。那么针对这种类型漏洞的挖掘和分析就应?#22253;?#20840;威胁的主要工作之一。
模糊测试技术简单来说就是一种通过向待测目标(软件或者系统)提供非预期(畸形)的输入,然后观察系统对这些特殊输入的处理是否会引发异常的结果来挖掘软件?#25910;?#30340;一种技术手段。在针对网络应用程序的测试过程中,由于对协议认知的不够导致系统生成的测试样本?#28304;?#27979;系统的代码测试覆盖不足,从而使得模糊测试的效率低下。
发明内容
   本发明的目的是提供一种基于多种群协同演化遗传算法的模糊测试方法,能有益效果是在对网络应用程序进行测试时,提高了代码的覆盖率,改善漏洞挖掘的效?#30465;?
  本发明采用以?#36335;?#26696;实现:一种基于多种群协同演化遗传算法的模糊测试系统,其特征在于包括?#21644;?#36807;网络传输通讯的模糊测试端和测试样本生成端;所述的模糊测试端包括:数据库;?#34081;?#20998;析模块,用于在测试开始前,对测试样例的二进制执行程序进行预处理,所述处理包括对程序中基本块的识别与提取,?#36828;?#36827;制执行程序中不安全函数的识别和调用的位置的提取和记录,然后将记录的数据存入数据库之中;代码追踪模块,用于观察系统在整个运行过程中的行动路径记录以及异常信息,并进行收集、存入数据库;以及异常检测与恢复模块,用于监视并记录二进制执行程序的异常信息,进行进程快照的建立和恢复;所述的测试样本生成端用于测试样本的产生并通过网络传输给模糊测试端,其包括:交互控制与显示界面,用于输入控制参数、测试端地址以及显示样例产生的结果,并返回测试端测试的结果;以及演化模块,利用收集到的信息,根据基本块的覆盖次数以?#23433;?#23433;全函数的触发情况计算个体适应度值,再结合不安全函数的类型,利用多子种群协同演化的遗传模型对测试样本进行进化产生新的样本。
    本发明的系统应用在漏洞挖掘领域,主要针对网络应用程序的模糊测试。通过优化测试过程中的测试样本的构造方式来提供代码的覆盖率,从而提高测试的效?#30465;?
附图说明
图1是本发明实施例系统架构原理示意图。
图2是本发明实施例模糊测试终?#31169;?#26500;示意图。
图3是本发明实施例测试样本生成终?#31169;?#26500;示意图。 
图4是本发明进化算法的模型示意图。
图5是本发明进化算法的流程示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
如图1所示,本实施例提供一种基于多种群协同演化遗传算法的模糊测试系统;包括:模糊测试端、测试样本生成端。
模糊测试端,负责将测试样例输入到待测系统之中,反复测试并观察待测系统。该模糊测试端包括?#21644;?#20449;程序,用于同样本生成?#31169;?#34892;数据以及信息的交互。?#34081;?#20998;析模块,在测试开始前,?#36828;?#36827;制执行程序进行预处理和分析,这些处理包括?#36828;?#36827;制执行程序中基本块的识别与提取,对程序中不安全函数的识别和调用的位置的提取和记录,然后将这些记录放入数据库之中。代码追踪模块,观察系统在整个运行过程中的行动路径记录以及异常信息,并进行收集入库。异常检测与恢复模块,监视并记录程序的异常信息,进行进程快照的建立和恢复。
测试样本生成端,用于测试样本的产生并通过网络传输给模糊测试端。由计算机与相关控制模块构成。包括?#21644;?#20449;程序,负责数据通信;交互控制与显示界面,用于输入制参数、测试端地址以及显示样例产生的结果,并返回测试端测试的结果;演化模块,利用收集到的信息,根据基本块的覆盖次数以?#23433;?#23433;全函数的触发情况计算个体适应度值,再结合不安全函数的类型,利用多子种群协同演化的遗传模型对测试样本进行进化产生新的样本。
请继续参见图2和图3,图2是模糊测试终?#31169;?#26500;示意图,该模糊测试终端的各模块是架设在windows平台下,使用python实现。图3是测试样本生成终?#31169;?#26500;示意图,该测试样本生成终端是架设在ubuntu系统下,使用c语言实现。
本方?#38050;校?#27169;糊测试端与测试样本生成端的数据交流通过mysql实现,而控制命令的传递则通过网络通信接口实现。
在测试端使用IDA获取进程信息写入数据库,随后利用测试端载入待测程序,开始监听测试端的连接。随后在测试端输入 参数配置命令启动测试数据的构造流程,等待测试。
?#26723;?#19968;提的是,上述利用多子种群协同演化的遗传模型对测试样本进行进化产生新的样本中,该进化采用的进化算法的总种群分为两大部分;请参见图4,其一部分是子种群,它们以生态种群竞争模型协同进化,其目的在于能够保?#31181;?#26063;的多样性来产生符合多路径的测试数据。另外一个部分为一个单一的族群,称之为精英种群,该种群的产生和进化都源自于普通子种群,即各个普通子种群在每次进化后都将优秀的个体输送到精英种群,并淘汰掉精英种群中与其基因最相似,且适应度?#31995;?#30340;个体。精英种群的设置可以加快整个种群的收敛速度,提高漏洞测试的效?#30465;?
请参见图5,图5是该进化算法的流程示意图。在算法开始的时候 ,假设我们已经有了测试数据的种子文件,我们可以选择以这个种子文件为蓝本构造初始的测试种群;如若没有的话,我们就采用随机构造的方式来产生初始种群;初始种群产生完毕之后,我们会先利用这些测试数据进行一次完整的测试,以获得各个样本的测试信息,然后用我们的分类算法,将样本分成几个不同的子种群,然后从各个子种群中挑选一定数量的个体组成精英种群;之后各个子种群执行遗传操作产生新的种群;接下来模糊器逐一将每个测试样本发?#36879;?#24453;测程序进行测试,同时记录收集相关的运行时信息,为适应度的评价提供数据;模块在计算完适应度值之后,算法从子种群里面选取M个优秀个体到精英种群之中,然后调用种群调整算法,调整各个子种群的规模,之后各个种群再进行遗传操作产生新的种群;算法重复上述的?#34903;?#30452;到达到程序的终?#22266;?#20214;,这个终?#22266;?#20214;可以是达到最大的种群代数,?#37096;?#20197;是算法已经收敛等?#21462;?
以上所述仅为本发明的较佳实施例,凡依本发明申请专利?#27573;?#25152;做的均等变化与修饰,皆应属本发明的涵盖?#27573;А?nbsp;

关于本文
本文标题:一种基于多种群协同演化遗传算法的模糊测试系统.pdf
链接地址:http://www.pqiex.tw/p-6115631.html
关于我们 - 网站声明 - 网站地图 - ?#35797;?#22320;图 - 友情链接 - 网站客服 - 联系我们

[email protected] 2017-2018 zhuanlichaxun.net网站版权所有
经营许可证编号:粤ICP备17046363号-1 
 


收起
展开
平码五不中公式规律 安徽十一选五遗漏数据 现在还有在线购买彩票 快乐飞艇开奖官网 辽宁11选5彩乐乐 棋牌斗地主送6元 股票分析方法 排列三走势图星彩网 浙江11选5爱彩人 群英会金鸡奖开奖现场直播 3d历史开机号324期