买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉重庆邮电大学申请的专利一种基于深度学习的协议模糊测试优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119484117B 。

龙图腾网通过国家知识产权局官网在2026-04-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411653412.5，技术领域涉及：H04L9/40；该发明授权一种基于深度学习的协议模糊测试优化方法是由王浩;陈俊廷;魏旻;韩延设计研发完成，并于2024-11-19向国家知识产权局提交的专利申请。

本一种基于深度学习的协议模糊测试优化方法在说明书摘要公布了：本发明涉及一种基于深度学习的协议模糊测试优化方法，属于网络技术领域。该方法包括：采集没有优化之前，Boofuzz在模糊测试过程中采集的数据，并按照服务器响应类型将具有不同响应的报文数据进行分类；通过协议逆向模块初步识别协议的动态字段、静态字段以及长度字段，并在Boofuzz框架中通过识别出的信息构造请求，设置会话消息；使用Boofuzz框架中的变异规则，根据协议逆向模块推断出的字段生成测试用例；构建优选器模型，初始化模型参数；通过SSA算法调整优化模型超参数，然后基于最优超参数进行模型训练；对生成的测试用例进行特征提取，获取输入特征；使用所述优选器模型对测试用例进行有效性预测。

本发明授权一种基于深度学习的协议模糊测试优化方法在权利要求书中公布了：1.一种基于深度学习的协议模糊测试优化方法，其特征在于，该方法包括： 采集没有优化之前，Boofuzz在模糊测试过程中采集的数据，并按照服务器响应类型将具有不同响应的报文数据进行分类； 通过协议逆向模块初步识别协议的动态字段、静态字段以及长度字段，并在Boofuzz框架中通过识别出的信息构造请求，设置会话消息；使用Boofuzz框架中的变异规则，根据协议逆向模块推断出的字段生成测试用例； 构建优选器模型，初始化模型参数；通过SSA算法调整优化模型超参数，然后基于最优超参数进行模型训练；所述优选器模型为结合多种深度学习网络的模型，其中，深度学习网络包括卷积神经网络、双向长短期记忆网络、注意力机制和科尔莫哥罗夫-阿诺德网络； 通过SSA算法调整优化所述优选器模型的超参数，包括： 1采集通信过程中不同响应类型的报文数据，并对数据进行清洗、格式化和归一化处理； 2通过最小化损失函数来调整模型的权重，同时通过Adam优化器根据损失值调整模型的参数，以提高模型的分类准确性； 3采用SSA算法进行超参数寻优，包括： ①初始化种群，生成一组随机解，其中每个解是一个超参数向量，表示每个个体的初始位置； ②通过模型训练与测试来评估每个解的表现，每个个体的适应度通过模型的误差率来评估： 式中，M表示测试集样本数量，表示第m个样本的真实标签，表示第m个样本的模型预测标签；表示指示函数，当时取1，表示预测错误； ③通过迭代更新最佳解，最终输出误差率最低的超参数组合；迭代过程中进行探索者更新、追随者更新和侦察预警操作，使追随者通过向当前最优解靠拢，以进行局部的开发和优化；迭代的结束条件为达到预设的最大迭代次数或适应度变化不再显著； 对生成的测试用例进行特征提取，获取输入特征；使用所述优选器模型对测试用例进行有效性预测。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。