TopoMap：测试输入空间中地形区域的基于特征的语义判别器
机器学习
2026-03-25 v2 软件工程
摘要
测试基于深度学习（DL）的系统是一项开放性挑战。虽然相对容易找到导致DL模型行为异常的输入，但根据使被测试DL模型失效的特征对输入进行分组的研究仍 largely 未被探索。现有的DL测试方法引入的扰动可能聚焦于特定的致错特征，而忽略了特征空间中属于不同区域的其他特征。在本文中，我们创建了输入特征空间的显式地形图。我们的方法名为TopoMap，既是黑盒方法又是模型无关的，因为它仅依赖于表征输入空间的特征。为了根据输入所共享的特定特征对输入进行区分，我们首先应用降维以获得输入嵌入，然后对其进行聚类。每个DL模型可能需要特定的嵌入计算和聚类算法才能将输入有意义地划分为判别性组。我们提出了一种评估嵌入和聚类技术不同配置的新方法。我们使用深度神经网络（DNN）作为人类评估者的近似，以判断一对聚类是否可以根据其所含元素的特征进行区分。我们利用这样一个DNN在所有由不同嵌入/聚类配置产生的拓扑图中自动选择最优的输入地形图。评估结果表明，TopoMap生成的地形图由可区分且有意义的区域组成。此外，我们使用变异分析评估了TopoMap的有效性。具体而言，我们评估了地形图中的聚类是否能够有效选择杀死变异体的输入。实验结果表明，我们的方法在可杀死变异体上平均优于随机选择35%；在不可杀死变异体上优于61%。
引用
@article{arxiv.2509.03242,
title = {TopoMap: A Feature-based Semantic Discriminator of the Topographical Regions in the Test Input Space},
author = {Gianmarco De Vita and Nargiz Humbatova and Paolo Tonella},
journal= {arXiv preprint arXiv:2509.03242},
year = {2026}
}