买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉武汉大学申请的专利一种深度学习蜕变测试用例排序方法及计算机可读介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115658515B 。

龙图腾网通过国家知识产权局官网在2025-07-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211344266.9，技术领域涉及：G06F11/3668；该发明授权一种深度学习蜕变测试用例排序方法及计算机可读介质是由谢晓园;尹鹏博;陈崧强设计研发完成，并于2022-10-31向国家知识产权局提交的专利申请。

本一种深度学习蜕变测试用例排序方法及计算机可读介质在说明书摘要公布了：本发明公开了一种深度学习蜕变测试用例排序方法及计算机可读介质。本发明方法首先将被测深度学习模型分为两部分。在被测深度学习模型的第一部分执行全部的蜕变测试用例对获取输出，并将每一个蜕变测试用例对所得到的神经元输出转化为分布输出，通过计算二者的分布差异得到每一个蜕变测试用例对的多样性。根据蜕变测试用例对的多样性大小进行排序得到整个蜕变测试用例对集合的执行顺序。之后根据得到的执行顺序在被测深度学习模型的第二部分执行蜕变测试用例对得到源测试用例和衍生测试用例的输出，使得更容易触发被测模型错误行为的蜕变测试用例对能够优先被执行。本发明提高了测试人员对深度学习软件进行测试的效率。

本发明授权一种深度学习蜕变测试用例排序方法及计算机可读介质在权利要求书中公布了：1.一种深度学习蜕变测试用例排序方法，其特征在于：包括以下步骤： 步骤1：引入待测软件深度学习分类模型，选取待测软件深度学习分类模型的中间神经元层作为断点层，构建待测软件分类深度学习模型的第一部分、构建待测软件深度学习分类模型的第二部分； 步骤2：引入多个原始测试用例，并根据蜕变关系对多个原始测试用例进行衍生处理得到多个衍生测试用例，并构成多个蜕变测试用例对； 步骤3：将多个原始测试用例输入至待测软件深度学习分类模型的第一部分计算得到每个原始测试用例的输出结果，将多个衍生测试用例输入至待测软件分类深度学习模型的第二部分计算得到每个衍生测试用例的输出结果，进一步通过计算神经元输出分布差异性的方法计算得到每个原始测试用例与对应的衍生测试用例的多样性值； 步骤4：将多个原始测试用例与对应的多个衍生测试用例所构成的多个蜕变测试用例对的多样性值从大到小进行排序，得到蜕变测试用例对的执行顺序； 步骤5：根据蜕变测试用例对的执行顺序在待测软件深度学习分类模型的第二部分执行多个蜕变测试用例对的原始测试用例和衍生测试用例，使得更容易引发待测软件深度学习分类模型错误行为的蜕变测试用例对能够优先被执行； 步骤1所述构建待测软件分类深度学习模型的第一部分为： 根据待测软件深度学习分类模型的输入层至断点层构建待测软件分类深度学习模型的第一部分； 步骤1所述构建待测软件分类深度学习模型的第二部分为： 结合待测软件分类深度学习模型的断点层后一层至输出层构建待测软件深度学习分类模型的第二部分； 所述待测软件深度学习分类模型的第一部分用于输入蜕变测试用例对的源测试用例和衍生测试用例，并输出蜕变测试用例对的源测试用例和衍生测试用例在断点层的神经元输出，用于进一步计算多样性值和输入待测软件深度学习分类模型的第二部分； 步骤1所述待测软件分类深度学习模型的第二部分用于输入蜕变测试用例对的源测试用例和衍生测试用例在断点层的神经元输出，并输出蜕变测试用例对的源测试用例和衍生测试用例的分类结果，用于进一步判断是否违反蜕变关系并出现错误行为。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人武汉大学，其通讯地址为：430072 湖北省武汉市武昌区珞珈山街道八一路299号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。