面向深度神经网络 IP 的功能测试生成
机器学习
2019-11-27 v1 软件工程
摘要
基于深度神经网络 (DNNs) 的机器学习系统在诸多应用中取得了最先进的成果。考虑到生成网络所需的大量训练数据与专业知识，在许多设计中采用第三方 DNN 知识产权 (IP) 核更为实际。毋庸置疑，DNN IP 供应商有必要在不向 IP 用户泄露参数的情况下提供用于功能验证的测试用例。为满足该需求，我们提出有效生成能尽可能多地激活参数并将其扰动传播至输出的测试用例。如此，DNN IP 的功能仅通过检查其输出即可验证。然而，鉴于 DNN 参数数量庞大且高度非线性，这十分困难。本文通过从 DNN 训练集中审慎选取样本并采用基于梯度的方法生成新测试用例来解决此问题。实验结果证明了我们所提方案的有效性。
引用
@article{arxiv.1911.11550,
title = {On Functional Test Generation for Deep Neural Network IPs},
author = {Bo Luo and Yu Li and Lingxiao Wei and Qiang Xu},
journal= {arXiv preprint arXiv:1911.11550},
year = {2019}
}