RBT4DNN：基于需求的神经网络测试
软件工程
2025-09-05 v3 人工智能
机器学习
摘要
测试允许开发人员确定系统是否按预期工作。当此类系统包括深度神经网络（DNN）时，测试就变得具有挑战性，因为DNN近似于一个函数，难以形式化功能需求。这阻碍了将成熟的需求导向测试方法应用于DNN。为此，我们提出一种需求导向测试方法（RBT4DNN），其使用自然语言需求语句。这些语句使用术语表定义语义特征空间，可用于生成测试输入。RBT4DNN将功能需求的前置条件形式化为这些语义特征的逻辑组合。匹配这些特征组合的训练数据可用于微调生成模型，以可靠地产生满足前置条件的测试输入。执行这些测试可用于比较其在训练好的DNN上的输出与预期的需求后置条件行为。我们提出了两种用例：（1）给定定义DNN正确性属性的需求，RBT4DNN包含一种新方法，用于检测故障；（2）在开发期间，需求引导的模型行为探索可为开发人员提供关于模型泛化性的反馈。我们的进一步评估表明，RBT4DNN生成的测试是真实的、多样的，并且与需求前置条件一致，从而实现了对模型行为的有针对性的分析和有效的故障检测。
引用
@article{arxiv.2504.02737,
title = {RBT4DNN: Requirements-based Testing of Neural Networks},
author = {Nusrat Jahan Mozumder and Felipe Toledo and Swaroopa Dola and Matthew B. Dwyer},
journal= {arXiv preprint arXiv:2504.02737},
year = {2025}
}