一种软件脆弱性自动分析定位的方法

摘要： 为了更好地满足航空航天领域中使用的多种嵌入式软件的高可靠性要求，设计一种软件脆弱性自动分析定位的方法.该方法基于程序切片技术，改进现有的前向计算动态切片算法，利用动态程序切片收集程序运行时的动态信息，构造程序切片谱，设定相关统计量统计程序语句的脆弱性可疑度，生成脆弱性定位报告.在发现软件中存在的脆弱性后，该方法对导致此脆弱性的程序代码根源实现了自动分析定位.基于此方法设计开发了软件脆弱性自动定位工具并进行了实例验证分析，实验证明了该方法的有效性.     

基于程序行为累积分析的软件故障定位方法

软件出现失效后,如何根据软件运行时的输入以及运行行为来快速定位引发失效的故障是一个非常有价值的研究问题.提出了故障定位的锥状框架,并基于其将故障定位问题表示为一个分层细化的过程.在软件输入层,利用程序行为累积分析技术对软件的行为进行建模分析,得到了统计故障定位模型,从而解决了软件输入层的故障定位问题.为了检验故障定位模型的效果,选择了5个软件进行实验,对其中4个设计并植入故障,另外1个为真实软件,实验获得了平均0.803的定准率和平均0.697的定全率.在此基础上,如何应用程序行为累积分析技术在软件设计模块层解决故障定位问题得到了进一步的分析.      

基于程序变异的Simulink模型测试方法

为解决当前Simulink模型变异测试中测试执行开销大、测试用例生成效率低等问题,首先根据当前的Simulink模型变异算子集,基于程序变异技术提出了Simulink模型的变异测试过程和一组改进变异算子集.实验表明,在不影响测试用例集变异评分的情况下,该组变异算子集能够有效减少变异模型的生成数量,从而降低测试开销.其次,设计了一种基于搜索的Simulink模型变异测试用例生成方法,该方法将变异模型的测试用例生成问题转换为目标函数极小化问题,通过模拟退火算法对目标函数寻优,最终搜索出能够杀死该变异模型的测试用例.最后,将该方法应用于典型案例,验证了方法的正确性和有效性.      

故障预测算法稳定性实时评估方法

针对现有故障预测算法性能评估指标受实际剩余使用寿命约束的问题,从稳定性角度提出一种评估算法性能的方法。通过研究对象系统健康退化过程,在对象系统实际剩余使用寿命未知情况下,利用可以实时获得的剩余使用寿命预测值和已消耗寿命值,通过计算虚构寿命值的变异系数指标来客观评估故障预测算法的性能。为了验证所提方法的有效性,结合机电作动器故障演化模型仿真生成数据对递归最小二乘和粒子滤波两种故障预测算法的稳定性进行了实时评价。仿真结果表明,所提方法与运用已有指标、在获知剩余使用寿命理想值前提下得出的评估结果保持一致。     

基于LIME的恶意代码对抗样本生成技术

基于机器学习检测恶意代码技术的研究和分析,针对机器学习模型对抗样本的生成提出一种基于模型无关的局部可解释（LIME）的黑盒对抗样本生成方法。该方法可以对任意黑盒的恶意代码分类器生成对抗样本,绕过机器学习模型检测。使用简单模型模拟目标分类器的局部表现,获取特征权重;通过扰动算法生成扰动,根据生成的扰动对原恶意代码进行修改后生成对抗样本;基于2015年微软公布的常见恶意样本数据集和收集的来自50多个供应商的良性样本数据对所提方法进行实验,参照常见恶意代码分类器实现了18个基于不同算法或特征的目标分类器,使用所提方法对目标分类器进行攻击,使分类器的真阳性率均降低到接近0。此外,对MalGAN和ZOO两个先进的黑盒对抗样本生成方法与所提方法进行对比,实验结果表明:所提方法能够有效生成对抗样本,且方法本身具有适用范围广泛、能灵活控制扰动和健全性的优点。      

小样本下基于孪生神经网络的柱塞泵故障诊断

针对目前基于深度神经网络的柱塞泵故障诊断方法在小样本条件下精度低、模型欠拟合问题,提出一种小样本条件下基于孪生神经网络的柱塞泵故障诊断方法。搭建了柱塞泵故障实验台,采集柱塞泵在不同健康状态下的壳体振动信号;使用由卷积层和池化层组成孪生子网络自适应地从原始振动信号中提取低维特征,使用欧式距离判定输入样本对的特征相似度;通过相似度对比的方法扩大训练样本数量并训练孪生神经网络模型;最后,对测试样本进行健康状态识别。实验结果表明：与传统深度神经相比,所提方法在小样本情况下具有更高的准确率。同时,多通道数据融合实验表明：所提方法能够从不同通道的信号中学习到有关故障信息,多通道数据融合可以进一步提高诊断准确率。     

四旋翼无人机的自适应故障诊断与估计

针对四旋翼无人机执行器常见故障，提出一种基于自适应技术和观测器的鲁棒故障检测和估计（FDE）方法。在故障检测阶段，设计非线性诊断观测器，通过解析函数推导出阈值，确保所提检测方法的鲁棒性，并对所设计的观测器和残差评估函数进行证明。在故障估计阶段，提出基于切换ρ-修正的自适应律来准确估计检测到故障的方案。该方案不仅能够同时估计系统状态和残差信号，而且能估计未知故障的特征和大小。通过线性矩阵不等式进行设计参数的计算。利用2种故障场景分别进行仿真验证，同时在4种情况下讨论所提方法的有效性。基于四旋翼无人机硬件在环实验台验证了所提方法的可行性。     

基于UML活动图模型的测试用例生成技术研究

为了设计和生成系统工作流程的测试用例,引入测试大纲模型的概念,设计出从UML(Unified Modeling Language)活动图模型到测试大纲模型,再到测试用例模型的三级转换过程和一组消除活动图模型中的非结构化特征、将其转化为模块化的测试大纲模型,以及把并发子过程实例化为一组典型测试场景的基本规则.还研究了针对每一个输入操作,选择基本输入数据集,并将其赋予测试大纲模型之上,从而构造测试用例模型的方法,以及最终基于测试用例模型生成完备的测试用例集合的方法.      

一种面向嵌入式系统的多模型集中存储方法

随着软件安全性的重要性日益增长，使用模型驱动的方法进行软件开发越来越受到重视。针对目前存在跨域模型的集成障碍，提出了一种基于元建模技术提取多视角模型信息进行存储的方法，并详细阐述了针对AADL、SysML、Simulink三种建模语言设计的建模元素解析、集成描述文件生成的方法框架。实验结果表明:按照所提方法实现的模型仓库能够准确提取出不同视角模型间的集成相关信息，在能够正确存储、查询的条件下，实现的元素数量覆盖率均在90%以上。      

四旋翼无人机执行器可重构性量化评价方法研究

随着对系统安全性和可靠性要求的不断提高，故障系统的自主恢复能力即系统的可重构性受到高度关注，然而现有对于控制系统可重构性量化评价的方法主要针对线性系统，因此以具有强耦合、欠驱动、强非线性的四旋翼无人机（quadrotor UAV）为被控对象，提出了一种基于双滑模面鲁棒观测器与马氏距离结合的非线性系统可重构性量化评价方法。首先，在四旋翼无人机非线性模型的基础上，设计了具有对扰动和故障均不敏感的双滑模面鲁棒观测器，用于实现对系统状态的准确估计；其次，在执行器饱和及系统状态误差指标双约束条件下，采用基于马氏距离的相似度法，对非线性系统可重构性进行量化评价；最后，通过四旋翼无人机仿真实验验证了所提方法的有效性。结果表明，所提方法能够真实反映不同故障程度下系统的可重构性量化水平，为非线性故障系统控制策略调整补偿提供了重要依据。      

胚胎电子细胞剩余码/berger码联合编码自检方法

为了更好地实现胚胎电路的自检需求，针对地址产生模块和输入输出模块，基于基本逻辑和算术运算中操作数和结果数之间的剩余码和berger码关系，对胚胎电子细胞输入输出等价运算的构建进行了讨论分析。通过剩余码检测单个故障，berger码检测多位单向故障，设计了一种剩余码/berger码联合编码的胚胎电子细胞自检方法。给出了所提方法的流程和实现方法，分析了基于所提方法设计的胚胎电子细胞的故障检测率、自检模块自检率和硬件资源消耗。以时序逻辑电路为目标电路进行了仿真实验，验证了所提方法对胚胎电子细胞各模块的检测能力和对检测模块的自检能力。      

基于OWL-S的测试用例生成

提出了一种基于OWL-S(OWL Web Ontology Language for Services)需求模型的测试用例自动生成方法,针对被测系统需求特性产生测试用例,以提高Web服务系统交互测试的自动化程度和效率.测试用例的生成通过3个步骤完成:①对需求特性进行分析,获取与需求特性相关的具体事件集的集合;②对OWL-S描述的应用流程进行搜索,寻找所有与需求特性相关的测试路径;③对测试路径上相关原子过程的IOPE(Inputs,Outputs,Preconditions and Effects)属性及路径条件进行分析,产生相应的测试用例.以金融行业ATM(Automated Teller Machine)示例系统为例对本方法进行了验证,结果表明本方法按要求产生了与需求特性相关的测试用例,覆盖了所有给定的需求特性公式,并有效的检测出被测系统中存在的错误.      

基于生成对抗网络的零样本图像分类

在图像分类任务中,零样本图像分类问题已成为一个研究热点。为了解决零样本图像分类问题,采用一种基于生成对抗网络（GAN）的方法,通过生成未知类的图像特征使得零样本分类任务转换为传统的图像分类任务。同时对生成对抗网络中的判别网络做出改进,使其判别过程更加准确,从而进一步提高生成图像特征的质量。实验结果表明:所提方法在AWA、CUB和SUN数据集上的分类准确率分别提高了0.4%、0.4%和0.5%。因此,所提方法通过改进生成对抗网络,能够生成质量更好的图像特征,从而有效解决零样本图像分类问题。      

基于深度残差收缩网络的滚动轴承故障诊断

滚动轴承的准确故障诊断是确保机械设备安全可靠运行的必要手段。针对多故障、长时间序列的滚动轴承振动信号，提出了一种基于深度残差收缩网络(DRSN)模型的故障诊断方法。首先，根据采集到的滚动轴承数据构造故障样本，针对多种故障类型下的长时间序列的振动信号，按照一定尺寸将长时间序列矩阵化，构成多故障类型的灰度图故障样本。从正常到故障的滚动轴承性能退化过程，通过多个采样点的随机采样，构造全寿命周期的故障样本用于故障诊断。其次，在多层深度学习模型基础上，将残差收缩网络模块加入到卷积神经网络(CNN)中构建深度残差收缩网络模型用于故障诊断，其中通过将残差项加入到网络中训练解决了多层网络模型的模型退化问题，利用软阈值化实现了样本降噪。最后，为了验证所提方法的有效性，采集了滚动轴承的多故障时间序列样本和全寿命周期故障样本用于故障诊断。实例验证的结果表明:所提深度残差收缩网络模型在处理含噪声样本时仍具有良好的鲁棒性，多层网络模型下没有明显的网络退化，能够保持较高的故障诊断正确率。在处理2种轴承故障数据集时，与其他模型相比，所提方法训练误差更低，平均故障诊断正确率提高1%~6%。      

9基于聚类分析的软件多故障定位技术

故障定位的思想一般是通过对程序语句及其执行结果的分析，从而定位到存在缺陷的程序语句的位置.目前，软件单故障定位技术研究较多，多故障相关研究较少.本文根据程序语句覆盖执行信息构造程序谱，提出基于聚类分析的软件多故障定位技术方法，在Siemens测试程序集的基础上，和现有的一些基于程序谱的定位方法进行对比，在大部分的情形下，验证了本文提出的基于聚类分析的软件多故障定位技术在软件多故障定位方面的定位效率要优于这些方法，减少测试人员的工作开销.     

基于变分自编码器的多维退化数据生成方法

数据驱动的剩余使用寿命（RUL）预测方法不依赖于复杂的物理模型，可以直接利用设备历史运行数据与当前监测数据对设备RUL进行预测，对制定合理的维修策略，降低设备的维护成本具有重要意义。但是数据驱动的RUL预测方法依赖于大量历史数据，在数据不足时，尤其是多维退化数据，模型难以取得良好的预测效果。针对这一问题，提出一种多维退化数据生成方法，所提方法构建了一种全局优化模型，以条件变分自编码器作为生成模型，提取多维退化数据特征并生成相似数据扩充RUL预测模型训练集，利用长短时记忆网络作为RUL预测模型，所提方法能够通过RUL预测模型更新生成模型的参数提高模型的效果，同时利用更新后的生成模型提高剩余寿命预测模型在退化数据不足情况下的效果。使用航空发动机退化数据进行了案例验证，通过对比未加入生成数据训练得到的RUL预测模型与加入生成数据训练得到的RUL预测模型的表现，验证了所提方法在解决RUL预测模型训练数据不足方面的优越性。     

基于VMD-MPE的开关磁阻电机功率变换器故障诊断

故障诊断是提升开关磁阻电机(SRM)调速系统可靠性的重要技术。针对功率变换器故障信号非线性不稳定、有效信息易被噪声掩盖的特点, 提出了一种新的故障特征提取方法。对直流母线电流进行变分模态分解, 得到若干本征模态分量, 取多尺度有效模态分量排列熵平均值作为特征向量, 输入支持向量机分类器进行故障识别。为验证所提方法的可行性, 建立仿真模型, 与传统的小波分析等故障诊断方法进行对比；搭建了开关磁阻电机实验台架, 测试了开路、短路故障状态。仿真和实验结果表明:所提方法可减小噪声影响, 提高故障识别准确率。      

基于UML模型的嵌入式软件测试用例生成方法

软件测试是保证嵌入式软件质量的重要手段之一,测试用例集的完备性是软件测试的关键因素.研究一种基于统一建模语言(UML)状态图生成测试用例集的方法,根据状态、迁移不变性原则以及动作映射,将UML状态图转换为扩展有限状态机(EFSM),采用广度优先搜索满足状态、迁移覆盖准则,由测试序列建立查找表生成测试用例集.最后给出实例说明该方法的可行性和有效性.