从测试有效性视角重访深度神经网络测试覆盖率

已有许多测试覆盖率度量被提出用于衡量深度神经网络（DNN）的测试有效性，包括结构覆盖率和非结构覆盖率。这些测试覆盖率度量基于一个基本假设提出：它们与测试有效性相关。然而，该基本假设仍未得到充分且合理的验证，这给 DNN 测试覆盖率的实用性带来了疑问。本文从测试有效性视角对现有 DNN 测试覆盖率进行了重访研究，以有效验证该基本假设。在此，我们仔细考虑了受试对象的多样性、三项测试有效性准则，以及典型与最先进的测试覆盖率度量。与所有现有研究对现有 DNN 测试覆盖率实用性给出否定结论不同，我们从测试有效性视角识别出了一些关于其实用性的肯定结论。特别地，我们发现了结构覆盖率与非结构覆盖率之间的互补关系，并明确了这些现有测试覆盖率度量的实际使用场景与有前景的研究方向。