testRNN：面向循环神经网络的覆盖引导测试工具
神经与进化计算
2019-06-21 v1 机器学习
软件工程
摘要
循环神经网络（RNNs）已广泛应用于文本处理、视频识别和分子性质预测等多种序列任务。我们提出了首个覆盖引导测试工具 testRNN，用于验证和确认一类主要的 RNN——长短期记忆网络（LSTMs）。该工具实现了一种通用的基于变异的测试用例生成方法，并使用三种新颖的 LSTM 结构测试覆盖度量来经验性地评估网络的鲁棒性。此外，它还能帮助模型设计者审视 LSTM 层内部的的数据流处理过程。该工具可在 https://github.com/TrustAI/testRNN 获取，采用 BSD 3-Clause 许可协议。
引用
@article{arxiv.1906.08557,
title = {testRNN: Coverage-guided Testing on Recurrent Neural Networks},
author = {Wei Huang and Youcheng Sun and Xiaowei Huang and James Sharp},
journal= {arXiv preprint arXiv:1906.08557},
year = {2019}
}
备注
Summited to ASE 2019 Demonstrations Track