这篇论文探讨了深度学习系统的变异测试，包括源级和模型级变异算子。RQ1识别出17个非等价、非平凡的变异算子。RQ2指出基于阈值的变异致死定义存在不一致性，建议采用变异致死概念。RQ3发现传统的句法变异算子对DL系统的影响不同于DL特定变异算子。RQ4表明变异分数是有效的充分性标准，与神经元覆盖率等相关。
本周阅读了论文《An Empirical Evaluation of Mutation Operators for Deep Learning Systems》，实验部分特别是RQ2没太看懂，在此对该文章内容做简单总结，等待之后进一步补充。
基本概念：
变异测试：将人为故障注入系统。假设暴露（杀死）该人为故障的能力可以等同为暴露真实故障的能力。
DNN故障不一定是影响传统软件的逻辑故障，而是取决于模型怎么训练的。
DeepMutation（DM）：DL变异算子框架，包含源级算子、模型级算子两种。
源级算子：在训练前修改原始训练数据或模型结构（分为全局、局部）。
模型级算子：改变已训练模型的权重、偏差或结构。
问题：
RQ1（变异算子）：什么是非等价（non-equivalent）、非平凡（non-trival）的变异算子？
最低0.47元/天 解锁文章
扫一扫
1259
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
