moco

开源介绍

快速发展的深度学习（DL）技术已应用于各种类型的软件系统中。然而，它们也可能带来新的安全威胁，并可能产生严重后果，特别是在安全关键领域。深度学习库作为深度学习系统的底层基础，其中的漏洞可能会产生不可预测的影响，直接影响深度学习系统的行为。先前关于对深度学习库进行模糊测试的研究在生成对应关键测试场景和构建测试预言方面仍存在局限性。为解决上述问题，该工具提供了一种基于代码组装的深度学习框架测试用例生成方法。该方法基于软件测试领域的模糊测试理论和代码变异技术去自动化地捕获深度学习框架源码中的各类缺陷，是一种能够生成包含多个深度学习框架接口调用序列、具有上下文联系和逻辑性的测试代码和根据蜕变关系和代码组装特性实现缺陷定位的技术。

依赖环境

alive_progress
pyyaml
tensroflow==2.12.0

Fuzzing

模糊测试，生成深度学习模型(lenet-t/tree)以及算子总结(lenet-t/mutate_ops.txt)

python MoCo.py -type fuzzing

Boundary

边界测试，生成深度学习模型以及算子总量(ltb/tree)以及算子总结(ltb/mutate_ops.txt)

python MoCo.py -type boundary