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！

龙图腾网获悉北京航空航天大学申请的专利一种基于深度强化学习模型的模糊测试方法与流程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：CN119377120B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202411567783.1，技术领域涉及：G06F11/3668；该发明授权一种基于深度强化学习模型的模糊测试方法与流程是由杨立群;李睿豪;韦超仁;仇勇鑫;杨雨泽;李础南;夏万煦;罗玉琪;闫治敏设计研发完成，并于2024-11-05向国家知识产权局提交的专利申请。

本一种基于深度强化学习模型的模糊测试方法与流程在说明书摘要公布了：本发明公开了一种基于深度学习模型的模糊测试方法与流程。首先，收集不同格式的Linux应用程序，保存收集得到的应用程序和与其格式相同的种子文件；其次，基于价值导向的DQN算法和策略导向的TRPO算法构建固定变异策略下的变异模型，并基于改进的Thompson采样算法构建Havoc随机变异模型，以输出测试样例的有效变异算子和变异策略链信息；接着，对AFL源码进行修改，嵌入所提出的两种变异模型，并使用共享内存的方式实现模型与AFL间的交互；最后，面向上一步得到的嵌入模型后的AFL，编写自动化执行脚本并设定其执行时间，执行afl‑fuzz、afl‑showmap和afl‑cov指令训练嵌入的两种模型并进行自动化模糊测试，根据模糊测试执行结果，将代码覆盖率、崩溃数量、变异算子使用情况等结果可视化。

本发明授权一种基于深度强化学习模型的模糊测试方法与流程在权利要求书中公布了：1.一种基于深度强化学习模型的模糊测试方法与流程，其特征在于包括如下六个步骤：程序收集、固定变异策略下变异模型构建、Havoc随机变异模型构建、变异模型嵌入、自动化模糊测试、结果可视化： S1、所述的程序收集步骤：收集不同格式的Linux应用程序，将收集得到的应用程序存放于应用程序文件目录下，并将格式相同的种子文件放在同源种子文件目录下； S2、所述的固定变异策略下变异模型构建步骤：基于价值导向的DQN算法和策略导向的TRPO算法构建固定变异策略下的变异模型，以输出测试样例的有效变异策略和有效变异位置信息； S3、所述的Havoc随机变异模型构建步骤：基于改进的Thompson采样算法构建Havoc随机变异模型，以输出测试样例的有效变异策略链信息； S4、所述的变异模型嵌入步骤：对AFL的源码进行修改，结合S2和S3中构建的变异模型，将其嵌入到AFL中，并使用共享内存的方式实现模型与AFL之间的交互； S5、所述的自动化模糊测试步骤：面向S4中的嵌入了变异模型的AFL，编写自动化执行脚本，设定执行时间，执行afl-fuzz、afl-showmap和afl-cov指令进行自动化模糊测试，并训练嵌入的两种模型； S6、所述的结果可视化步骤：基于模糊测试执行结果，统计代码覆盖率、崩溃数量和变异算子使用情况，并将结果进行可视化展示。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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”。

以上内容由龙图腾AI智能生成。