22、基于搜索聚类的软件多样化更新保护及EFSM测试数据生成效率预测

基于搜索聚类的软件多样化更新保护及EFSM测试数据生成效率预测

1. 软件多样化更新保护

在软件保护领域，为了应对软件面临的各种安全威胁，提出了一种基于搜索聚类的方法来实现软件的多样化更新保护。该方法旨在减少需要生成的软件版本数量，通过舍弃特定应用代码中的冗余混淆，然后利用聚类来识别最不同的版本进行部署。

具体来说，由于软件可能存在大量的潜在版本，这会增加生成和管理的成本。因此，通过算法去除那些对特定应用代码没有实质作用的冗余混淆，从而减少需要生成的版本数量。之后，使用聚类算法对剩余的版本进行分析，找出那些差异最大的版本进行部署。这样做的好处是，攻击者难以针对单一版本进行攻击，因为不同版本之间存在较大差异，增加了攻击的难度。

通过对10个流行的安卓应用进行实证评估，结果表明该方法在实现软件多样化方面是有效的。这意味着该方法可以为软件提供更可靠的安全保护，降低软件被攻击的风险。

2. EFSM测试数据生成效率预测

软件测试是软件开发过程中不可或缺的环节，它对于确保软件系统的质量和提高软件可靠性至关重要。在软件测试中，测试用例的生成是一项具有挑战性的任务，而测试数据生成的效率直接关系到该生成技术能否应用于实际的工业程序。

目前，大多数关于扩展有限状态机（EFSM）的软件测试研究主要集中在自动测试序列和数据的生成上，而对测试生成效率的分析还不够充分。为了研究EFSM测试数据生成效率与其影响因素之间的关系，提出了一种基于多基因遗传编程（MGGP）的预测模型。

2.1 EFSM及影响因素

EFSM模型正式表示为一个6元组 (S, S0, I, V, O, T)，其中：
-