报 告 人：张鹏程
报告题目：高效、自动化的自然语言处理软件测试方法
报告时间：2023年11月27日（周一）下午14:00
报告地点：静远楼908
主办单位：智慧教育学院（计算机科学与技术学院） 、科学技术研究院
报告人简介：
张鹏程，男，博士，河海大学教授、博士生导师，中国计算机学会高级会员，服务计算专委会候任常委，软件工程和系统软件专委会委员。主要研究方向为软件工程和服务计算。负责主持或完成国家自然科学基金青年基金、面上基金（2项）、重点基金课题、国家重点研发计划子课题、江苏省自然科学基金、教育部博士点基金、中国博士后基金等10余项。获2011年度东南大学优秀博士论文、2012年度中国博士后特别资助、2013年湖北省科技进步一等奖、2014年教育部科技进步一等奖、2015年河海大学青年岗位能手、2019年河海大学优秀共产党员、2019年江苏省优秀计算机科技工作者、2020年中国计算机学会服务计算专委会“青年才俊”奖、2021年入选河海大学“大禹学者”第三层次A类资助。在国际学术期刊IEEE Transactions on Big Data、IEEE Transactions on Cloud Computing、IEEE Transactions on Emerging Topics in Computing、IEEE Transactions on Mobile Computing、IEEE Transactions on Reliability、IEEE Transactions on Services Computing、IEEE Transactions on Software Engineering、IEEE Transactions on Knowledge and Data Engineering、ACM Transactions on Data Science，国内权威学术期刊中国科学：信息科学、计算机学报、软件学报和国际学术会议ESEC/FSE、ASE等上发表学术论文100余篇，授权国家发明专利40余项。
报告摘要：
本报告提出了一种基于莱维飞行的自适应粒子群优化自动测试方法LEAP来生成对抗性测试用例。该研究聚焦于自然语言处理类DNN (Deep Neural Networks)软件的鲁棒性需求急剧增长的问题，分析了现有自动化测试技术的两个限制：错误挖掘能力不足和测试效率低下。为此，提出了一种基于莱维飞行的自适应粒子群优化自动测试方法LEAP来生成对抗性测试用例。采用莱维飞行进行总体初始化，以增加生成的测试用例的多样性；为提高LEAP对高维文本样本的全局优化效率，设计了惯性权值自适应更新算子；为减少测试时间，设计了基于贪心策略的突变算子。实验结果表明，LEAP具有更强的错误挖掘能力，与同类方法相比时间开销更低，生成的测试用例具有更好的可迁移性，并显著提高了系统的鲁棒性。
