SINVAD：基于搜索的图像空间导航用于 DNN 图像分类器测试输入生成
软件工程
2020-05-20 v1 机器学习
摘要
随着深度神经网络 (DNN) 被广泛用于安全关键系统，DNN 的测试变得愈发重要。尽管已提出许多测试充分性准则，但针对多种类型 DNN 的自动化测试输入生成仍具挑战，因为原始输入空间过于庞大，难以随机采样或导航搜索合理输入。因此，当前 DNN 测试技术依赖于基于蜕变测试原则对现有输入进行微小局部扰动。我们提出新方法：不在整个图像空间上搜索，而是在近似真实训练分布的合理输入空间上搜索。该空间使用变分自编码器 (VAE) 构建，并通过其潜向量空间进行导航。我们表明该空间有助于高效生成可揭示 DNN 在面对真实测试时鲁棒性信息的测试输入，为该领域通过高度结构化图像空间的有意义探索开辟了道路。
引用
@article{arxiv.2005.09296,
title = {SINVAD: Search-based Image Space Navigation for DNN Image Classifier Test Input Generation},
author = {Sungmin Kang and Robert Feldt and Shin Yoo},
journal= {arXiv preprint arXiv:2005.09296},
year = {2020}
}