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！

龙图腾网获悉西安电子科技大学申请的专利一种基于DQN神经网络的软件智能测试方法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：CN116303007B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202310221459.3，技术领域涉及：G06F11/3668；该发明授权一种基于DQN神经网络的软件智能测试方法是由李腾;林炜国;王昊荣;莫奇豪;刘艺涵;马卓;马建峰设计研发完成，并于2023-03-09向国家知识产权局提交的专利申请。

本一种基于DQN神经网络的软件智能测试方法在说明书摘要公布了：本发明公开了一种基于DQN神经网络的软件智能测试方法，主要解决现有方法中庞大系统软件的控制策略漏洞检测困难的问题，方案包括：1从待测软件开发手册中提取参数清单及软件所需遵循的控制策略；2将控制策略转化为违规样例，同时提取其中参数作为监督参数；3构建深度Q学习神经网络DQN模型并对其进行改进；4将改进后模型与待测软件对接；5设定模糊测试的最大轮次N及待测软件的判定条件；6进行模糊测试输入优化，加强模糊测试效率。本发明有效改善了软件控制策略漏洞的检测效果，可用于对庞大系统软件的控制策略漏洞进行针对性测试。

本发明授权一种基于DQN神经网络的软件智能测试方法在权利要求书中公布了：1.一种基于DQN神经网络的软件智能测试方法，其特征在于，包括如下步骤： 1从待测软件开发手册中提取模糊测试工作中的输入参数清单，同时提取软件所需遵循的控制策略，并将控制策略分为第一控制策略和第二控制策略两种类型，其中第一控制策略由想要执行的操作与进行该操作所需满足的前提条件组成，第二控制策略由当前软件所处状态与所需进行的参数操作组成； 2将两种类型的控制策略分别转化为违规样例，同时将控制策略中的参数提取出来作为监督参数；所述违规样例为监督参数的目标取值组合； 3利用软件当前状态作为DQN模型输入层的输入、模糊测试工作中的输入参数清单作为DQN模型输出层的输出，构建深度Q学习神经网络DQN模型，设定模型输出层神经元数量为输入参数清单中输入参数的数量，并将DQN模型的即时奖励R设置为当前轮次模糊测试下，监督参数的取值向其对应目标取值的归一化接近量； 4在步骤3构建的DQN模型输出层后加入softmax函数模块，得到改进后DQN模型； 5将改进后DQN模型与待测软件对接，待测软件通过软件接口向模型的输入层传输软件当前状态，即监督参数当前轮次的取值组合； 6模型依据接收的软件当前状态在输出层输出参数清单中输入参数的权值Q，并根据输入参数的权值Q，通过softmax函数模块计算得到模型输出层每个神经元被选取的概率； 7设定模糊测试的最大轮次N以及待测软件的判定条件，所述判定条件如下：第一控制策略中想要执行的操作能被执行为或第二控制策略中所需进行的参数操作不被执行；所述最大轮次N大于等于50； 8从步骤6计算得到的概率中随机选取模糊测试的输入参数，并利用二分法原理为模糊测试的输入参数赋值； 9判断当前模糊测试轮次下各监控参数的取值是否满足违规样例所规定的监控参数目标取值，若满足，则进一步判定步骤7中设定的条件是否成立，若成立，则汇报当前违规样例所对应的控制策略编程存在漏洞，反之，汇报当前控制策略编程正确，并执行步骤10；若不满足，则判断是否达到最大轮次N，若是，执行步骤10，反之，返回步骤8； 10DQN模型将当前所在模糊测试轮次中的最优输入参数、监督参数及监督参数当前取值和最优即时奖励R作为测试经验，每隔5个轮次记录1条经验，实现经验累积；且每累计10条经验，将其用于反向更新一次DQN模型。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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。