MuFF：面向深度学习的稳定且敏感的后训练突变测试
软件工程
2025-01-23 v2
摘要
深度学习（DL）的快速采用导致发展出针对DL系统的专门化测试技术，包括DL突变测试。然而，现有的后训练DL突变技术常常在多个训练重复或对同一突变算子的多个应用中生成不稳定的突变体。此外，虽然极其高效，但它们生成的突变体未考虑突变体的敏感性和可消灭性，导致大量无效突变体与前训练突变体相比。本文提出一种新的高效后训练DL突变技术，称为MuFF，旨在确保突变体的稳定性，并能够生成可消灭且敏感的突变体。MuFF实现了自动化的稳定性检查，引入了两个突变算子，称为权重和神经元抑制器。我们的广泛实证实验表明，MuFF生成的突变体在灵敏度上分别比DeepMutation++和DeepCrime高出60%pt和25%pt，同时还产生比DeepMutation++更稳定的突变体，与DeepCrime的突变体不同。此外，MuFF保留了后训练突变技术的优势，在生成突变体方面比DeepCrime快61倍。
引用
@article{arxiv.2501.09846,
title = {MuFF: Stable and Sensitive Post-training Mutation Testing for Deep Learning},
author = {Jinhan Kim and Nargiz Humbatova and Gunel Jahangirova and Shin Yoo and Paolo Tonella},
journal= {arXiv preprint arXiv:2501.09846},
year = {2025}
}