[صفحه اصلی ]    
بخش‌های اصلی
درباره دانشکده::
مدیریت دانشکده::
اعضای هیات علمی ::
معرفی افراد::
امور آموزش و اطلاعیه دفاعیه ها::
امور فرهنگی::
امور پژوهشی::
اخبار و رویدادهای دانشکده::
فضاهای آموزشی و تحقیقاتی ::
تسهیلات پایگاه::
تماس با ما::
::
ورود به سایت دروس
دانشجویان روزانه و پردیس
دانشجویان مرکز آموزش الکترونیکی
..
اطلاعیه ها
 اطلاعیه های آموزشی
..
فراخوان ها
فراخوان های همکاری با صنعت و سازمان ها
..
دفاعیه‌ها

دفاعیه های دکتری


دفاعیه های کارشناسی ارشد

..
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
:: مرتضی ذاکری نصرابادی- 1397/06/31 ::
 | تاریخ ارسال: 1397/6/31 | 

آقای مرتضی ذاکری نصرابادی دانشجوی کارشناسی ارشد جناب آقای دکتر سعید پارسا شنبه 1397 /31/06  ساعت 16 در اتاق 304 واقع در طبقه سوم دانشکده کامپیوتر از پروژه کارشناسی ارشد خود تحت عنوان تولید خودکار داده آزمون در فازرهای قالب فایل دفاع خواهند نمود.

 
چکیده پایان نامه:

آزمون فازی یک فن آزمون پویای نرم‌افزار است. در این فن با تولید و تزریق مکرر داده‌های آزمون بدشکل به‌ نرم‌افزار تحت آزمون، دنبال یافتن خطاها و آسیب‌پذیری‌های احتمالی موجود در آن هستیم. برای نیل به این هدف آزمون فازی نیازمند داده‌های آزمون متنوع است. مشکل اساسی پیچیده بودن ساختار ورودی‌ برنامه‌هایی است که فایل را به‌عنوان ورودی می‌پذیرند. بررسی‌ها نشان می‌دهد بسیاری از داده‌های آزمون تولیدی در این موارد، مسیرهای محدود و سطحی را می‌پیمایند؛ زیرا در همان مراحل اولیه به علت بدشکل بودن توسط پویش‌گر برنامه هدف رد می‌شوند. استفاده از ساختار گرامری فایل‌ها برای تولید داده‌ها، منجربه افزایش پوشش کد می‌شود؛ اما، استخراج گرامر برای ساختار فایل، اغلب، دستی صورت می‌پذیرد که مستلزم صرف هزینه و زمان زیاد و مستعد خطای فراوان است. در این پایان‌نامه روشی خودکار برای تولید داده آزمون مبتنی بر گرامر ارائه می‌دهیم. برای این منظور از مدل‌های زبانی عصبی که با استفاده از شبکه‌های عصبی مکرر ساخته‌ می‌شوند، استفاده خواهیم کرد. مدل‌های پیشنهادی با بهره‌مندی از فنون یادگیری ژرف قادر به یادگیری آماری ساختار فایل‌های پیچیده و سپس تولید داده‌های جدید هستند. ایجاد داده‌های بدشکل که به علت نامتناسب بودن قالب موجب خطا در اجرا می‌شوند، نیز توسط الگوریتم‌هایی که از این مدل‌ها استفاده می‌کنند صورت می‌پذیرد. از این روش برای تولید داده و سپس آزمون فازی نرم‌افزار پیچیده  MuPDFکه فایل‌‌های PDF را به‌عنوان ورودی می‌پذیرد، استفاده کردیم. آزمایش‌‌های ما نشان می‌دهد که داده‌های تولید شده با این روش منجربه افزایش میزان پوشش کد اجرایی برنامه تحت آزمون و بهبود آن در مقایسه با فازرهای قالب فایل مشهور مثل AFL می‌شود. بررسی‌های ما نـشان‌گر بهبود دقت، سرگشتگی و پوشش کد مدل‌های زبانی عصبی ساده در مقایسه با مدل‌های پیچیده‌تر مانند مدل کدگذار-کدگشا است.
واژه‌های کلیدی: آزمون فازی، داده آزمون، پوشش کد، یادگیری ژرف، شبکه عصبی مکرر.
 

 

  ارائه­ دهنده:

مرتضی ذاکری نصرابادی

  استاد راهنما:

جناب آقای دکتر سعید پارسا

  استاد ممتحن خارجی : دکتر مجتبی وحیدی‌اصل

استاد ممتحن داخلی: دکتر محمد عبدللهی ازگمی

  زمان : شنبه 31 شهریورماه

 

  مکان: دانشکده مهندسی کامپیوتر- طبقه سوم- اتاق 304

  از اساتید بزرگوار، دانشجویان گرامی و دیگر متخصصان و علاقه مندان به موضوع دفاعیه دعوت
می شود با حضور خود موجبات غنای علمی و ارتقای کیفی را فراهم سازند.

  دانشکده مهندسی کامپیوتر مدیریت تحصیلات تکمیلی

دفعات مشاهده: 9782 بار   |   دفعات چاپ: 5137 بار   |   دفعات ارسال به دیگران: 0 بار   |   0 نظر
سایر مطالب این بخش سایر مطالب این بخش نسخه قابل چاپ نسخه قابل چاپ ارسال به دوستان ارسال به دوستان
data
Persian site map - English site map - Created in 0.17 seconds with 55 queries by YEKTAWEB 4665