CN115225551B - 一种模糊测试方法、装置、设备及存储介质 - Google Patents

一种模糊测试方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN115225551B
CN115225551B CN202210832489.3A CN202210832489A CN115225551B CN 115225551 B CN115225551 B CN 115225551B CN 202210832489 A CN202210832489 A CN 202210832489A CN 115225551 B CN115225551 B CN 115225551B
Authority
CN
China
Prior art keywords
test case
fuzzy
result
fuzzy test
feedback
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210832489.3A
Other languages
English (en)
Other versions
CN115225551A (zh
Inventor
杨俊�
崔宝江
于博
王炳铨
巫俊杰
池晓峰
韩春阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Posts and Telecommunications
Original Assignee
Beijing University of Posts and Telecommunications
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing University of Posts and Telecommunications filed Critical Beijing University of Posts and Telecommunications
Priority to CN202210832489.3A priority Critical patent/CN115225551B/zh
Publication of CN115225551A publication Critical patent/CN115225551A/zh
Application granted granted Critical
Publication of CN115225551B publication Critical patent/CN115225551B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/18—Protocol analysers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1441—Countermeasures against malicious traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
    • H04L69/03—Protocol definition or specification 
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Biophysics (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本申请提供一种模糊测试方法、装置、设备及存储介质，属于协议安全检测技术领域。该方法包括：基于遗传算法生成模糊测试用例，并执行模糊测试用例，以触发被监测目标程序的运行；获取被监测目标程序运行后的反馈结果，反馈结果包括：测试结果满足停止条件以及测试结果不满足停止条件；根据反馈结果确定目标测试用例；基于目标测试用例对待测程序进行测试。本申请可以得到更加有效的模糊测试用例，进而可以实现更全面的协议安全检测。

Description

一种模糊测试方法、装置、设备及存储介质
技术领域
本申请涉及协议安全检测技术领域，具体而言，涉及一种模糊测试方法、装置、设备及存储介质。
背景技术
网络结构中，通常会设置有相关的网络协议以实现网络之间的相互通信，例如：OpenFlow(软件定义网络)协议等，为了保证这些协议的安全性，通常需要基于模糊测试的方式对网络协议进行安全隐患的检测，从而降低协议的风险。
现有技术中，通常是基于固定配置或者随机生成的模糊测试用例进行协议的风险测试。
然而，以此方法生成的模糊测试用例在进行安全检测时，由于模糊测试用例的随机性较高，可能存在数据不全面，盲目测试等情况，这就导致了并不能全面实现对协议的安全检测。
发明内容
本申请的目的在于提供一种模糊测试方法、装置、设备及存储介质，可以得到更加有效的模糊测试用例，进而可以实现更全面的协议安全检测。
本申请的实施例是这样实现的：
本申请实施例的一方面，提供一种模糊测试方法，应用于计算机设备，该方法包括：
基于遗传算法生成模糊测试用例，并执行模糊测试用例，以触发被监测目标程序的运行；
获取被监测目标程序运行后的反馈结果，反馈结果包括：测试结果满足停止条件以及测试结果不满足停止条件；
根据反馈结果确定目标测试用例；
基于目标测试用例对待测程序进行测试。
可选地，根据反馈结果确定目标测试用例，包括：
若反馈结果为测试结果不满足停止条件，则获取被监测目标程序运行后的反馈信息，反馈信息包括：被监测目标程序的代码覆盖率；
基于反馈信息以及预设参数计算得到目标适应度；
基于目标适应度生成新的模糊测试用例并重新执行新的模糊测试用例以及获取被监测目标程序运行后的新的反馈结果，直至新的反馈结果为测试结果满足停止条件。
可选地，基于反馈信息以及预设参数计算得到目标适应度，包括：
根据预设参数确定适应度函数，预设参数包括：预设系数以及模糊测试用例的长度；
基于代码覆盖率以及模糊测试用例的长度进行迭代运算，得到目标适应度。
可选地，根据反馈结果确定目标测试用例，包括：
若反馈结果为测试结果满足停止条件，则确定模糊测试用例为目标测试用例。
可选地，基于遗传算法生成模糊测试用例，包括：
生成初始数据种群；
基于遗传算法，对初始数据种群依次进行交叉、变异以及约束处理，得到满足约束条件的子代数据种群；
根据子代数据种群，生成模糊测试用例。
可选地，计算机设备中运行有状态机，状态机包括输入解析状态；
基于遗传算法生成模糊测试用例之前，该方法还包括：
将状态机的状态切换至输入解析状态，获取输入的消息序列；
基于遗传算法生成模糊测试用例，包括：
当状态机处于输入解析状态时，基于输入的消息序列以及遗传算法生成模糊测试用例。
可选地，状态机还包括：监测接收状态；
获取被监测目标程序运行后的反馈结果之前，该方法还包括：
将状态机的状态由输入解析状态切换至监测接收状态；
获取被监测目标程序运行后的反馈结果，包括：
当状态机处于监测接收状态时，获取被监测目标程序运行后的反馈结果。
本申请实施例的另一方面，提供一种模糊测试装置，应用于计算机设备，该装置包括：用例生成模块、反馈获取模块、用例确定模块以及用例应用模块；
用例生成模块，用于基于遗传算法生成模糊测试用例，并执行模糊测试用例，以触发被监测目标程序的运行；
反馈获取模块，用于获取被监测目标程序运行后的反馈结果，反馈结果包括：测试结果满足停止条件以及测试结果不满足停止条件；
用例确定模块，用于根据反馈结果确定目标测试用例；
用例应用模块，用于基于目标测试用例对待测程序进行测试。
可选地，用例确定模块，具体用于若反馈结果为测试结果不满足停止条件，则获取被监测目标程序运行后的反馈信息，反馈信息包括：被监测目标程序的代码覆盖率；基于反馈信息以及预设参数计算得到目标适应度；基于目标适应度生成新的模糊测试用例并重新执行新的模糊测试用例以及获取被监测目标程序运行后的新的反馈结果，直至新的反馈结果为测试结果满足停止条件。
可选地，用例确定模块，具体用于根据预设参数确定适应度函数，预设参数包括：预设系数以及模糊测试用例的长度；基于代码覆盖率以及模糊测试用例的长度进行迭代运算，得到目标适应度。
可选地，用例确定模块，具体用于若反馈结果为测试结果满足停止条件，则确定模糊测试用例为目标测试用例。
可选地，用例生成模块，具体用于生成初始数据种群；基于遗传算法，对初始数据种群依次进行交叉、变异以及约束处理，得到满足约束条件的子代数据种群；根据子代数据种群，生成模糊测试用例。
可选地，计算机设备中运行有状态机，用例生成模块，还用于将状态机的状态切换至输入解析状态，获取输入的消息序列；当状态机处于输入解析状态时，基于输入的消息序列以及遗传算法生成模糊测试用例。
可选地，反馈获取模块，还用于将状态机的状态由输入解析状态切换至监测接收状态；当状态机处于监测接收状态时，获取被监测目标程序运行后的反馈结果。
本申请实施例的另一方面，提供一种计算机设备，包括：存储器、处理器，存储器中存储有可在处理器上运行的计算机程序，处理器执行计算机程序时，实现上述模糊测试方法的步骤。
本申请实施例的另一方面，提供计算机可读存储介质，存储介质上存储有计算机程序，该计算机程序被处理器执行时，实现上述模糊测试方法的步骤。
本申请实施例的有益效果包括：
本申请实施例提供的一种模糊测试方法、装置、设备及存储介质中，可以基于遗传算法生成模糊测试用例，并执行模糊测试用例，以触发被监测目标程序的运行；获取被监测目标程序运行后的反馈结果，反馈结果包括：测试结果满足停止条件以及测试结果不满足停止条件；根据反馈结果确定目标测试用例；基于目标测试用例对被监测目标程序进行测试。其中，通过遗传算法的方式生成的模糊测试用例可以更加准确，并且，在使用测试用例进行测试之前可以先确定反馈结果，基于不同的反馈结果进行调整，最终得到满足需求的目标测试用例，进而使用更加准确的目标测试用例进行测试时，可以实现更全面的协议安全检测，提高协议检测的覆盖率。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的模糊测试方法的应用场景示意图；
图2为本申请实施例提供的模糊测试方法的流程示意图；
图3为本申请实施例提供的模糊测试方法的另一流程示意图；
图4为本申请实施例提供的模糊测试方法的又一流程示意图；
图5为本申请实施例提供的模糊测试方法中生成模糊测试用例的流程示意图；
图6为本申请实施例提供的模糊测试方法中状态机工作的流程示意图；
图7为本申请实施例提供的模糊测试方法中状态机工作的另一流程示意图；
图8为本申请实施例提供的模糊测试方法执行的整体流程示意图；
图9为本申请实施例提供的模糊测试方法中状态机切换状态的具体流程示意图；
图10为本申请实施例提供的模糊测试装置的结构示意图；
图11为本申请实施例提供的计算机设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本申请的描述中，需要说明的是，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
下面来结合本申请实施例中所涉及的模糊测试方法的具体应用场景进行解释。
图1为本申请实施例提供的模糊测试方法的应用场景示意图，请参照图1，该方法的应用主体可以是计算机设备，该场景中可以包括测试端10和被测端20，其中测试端10可以设置于计算机设备中，被测端20可以设置于计算机设备中或者与该计算机设备通信连接的其他计算机设备中，在此不作具体限制，凡是可以实现测试端和被测端的通信即可。
测试端10可以包括控制单元110、通信单元120、遗传算法单元130以及状态机单元140。
其中，控制单元110具体可以是计算机设备中的处理器等具有处理功能的单元模块，执行具体的控制功能，例如：接收用户的输入，对其他单元的调用控制等；通信单元120可以用于实现测试端10与被测端20之间的通信，具体可以是将模糊测试用例的执行指令由测试端10发送至被测端20；遗传算法单元130可以是用于生成模糊测试用例的单元，可以基于遗传算法的交叉变异等过程进行模糊测试用例的生成；状态机单元140可以用于调用状态机进行状态的切换。
被测端20可以包括监控单元210、被测程序执行单元220以及被监测目标程序230。
其中，通信单元120将模糊测试用例的执行指令由测试端10发送至被测端20后，可以由被测程序执行单元220执行模糊测试用例从而使得被监测目标程序230执行测试，监控单元210可以对被测程序执行单元220的执行结果进行监测，并可以将监测到的运行结果以反馈信息或者反馈结果的形式发送给控制单元110。
下面来基于上述模糊测试方法的实际应用场景解释本申请实施例中提供的模糊测试方法的具体实施过程。
图2为本申请实施例提供的模糊测试方法的流程示意图，请参照图2，该方法包括：
S210：基于遗传算法生成模糊测试用例，并执行模糊测试用例，以触发被监测目标程序的运行。
其中，在生成模糊测试用例之前，可以响应于用户的输入指令，或者基于预先配置开启测试条件，从而开启测试，并且，在开启测试之前，还可以捕获OpenFLow消息，作为种子文件，并且可以在后续消息输入序列中使用，进而可以在生成模糊测试用例时进行参考，在开启测试之后可以执行上述S210的步骤。
可选地，具体可以通过遗传算法单元130生成模糊测试用例，生成该模糊测试用例之后，可以将该模糊测试用例的执行指令通过通信单元120发送给被测程序执行单元220，从而可以执行该模糊测试用例，以对被监测目标程序230进行监控。
例如：当需要执行测试用例A时，可以基于被测程序执行单元220执行该测试用例，在该测试用例执行的过程中可以触发被监测目标程序230的运行。
其中，模糊测试用例具体可以是基于遗传算法得到的数据种群，也即是包括多个数据的集合；被监测目标程序可以是预先配置的任意一段程序，具体可以是以代码的形式表现，在此不作限制，例如可以是OpenFlow协议对应的程序。
被监测目标程序在运行的过程中，可以通过监控单元210进行监测，由监控单元210获取到对应的监控结果并可以发送给控制单元110。
S220：获取被监测目标程序运行后的反馈结果。
其中，反馈结果包括：测试结果满足停止条件以及测试结果不满足停止条件。
可选地，被监测目标程序在执行的过程中，可以设置有预设条件，例如：执行的数据数量、执行数据的分布情况或者其他条件等，这些预设条件可以是用户根据实际需求预先配置好的。在执行被监测目标程序的过程中，若经过预设时间后得到了满足预设条件的数据之后，则可以确定测试结果满足停止条件；相对地，若经过预设时间后没有得到满足预设条件的数据，则可以确定测试结果不满足停止条件。无论是否满足停止条件，都可以得到一反馈结果，监控单元210可以将该反馈结果发送给控制单元110以实现对反馈结果的获取。
S230：根据反馈结果确定目标测试用例。
可选地，在控制单元110接收到反馈结果之后，可以基于不同的反馈结果确定不同的目标测试用例，其中，目标测试用例可以是生成的模糊测试用例，或者对模糊测试用例进行调整后得到的用例，在此不作具体限制，可以基于实际的反馈结果的不同进行不同的确定。
S240：基于目标测试用例对待测程序进行测试。
可选地，确定目标测试用例之后，可以基于目标测试用例对待测程序进行测试，其中，待测程序可以是任一需求测试的程序，可以与前述被监测目标程序为同一类型的程序，例如：OpenFlow协议对应的程序等，在此不作具体限制。
本申请实施例提供的一种模糊测试方法中，可以基于遗传算法生成模糊测试用例，并执行模糊测试用例，以触发被监测目标程序的运行；获取被监测目标程序运行后的反馈结果，反馈结果包括：测试结果满足停止条件以及测试结果不满足停止条件；根据反馈结果确定目标测试用例；基于目标测试用例对被监测目标程序进行测试。其中，通过遗传算法的方式生成的模糊测试用例可以更加准确，并且，在使用测试用例进行测试之前可以先确定反馈结果，基于不同的反馈结果进行调整，最终得到满足需求的目标测试用例，进而使用更加准确的目标测试用例进行测试时，可以实现更全面的协议安全检测，提高协议检测的覆盖率。
下面来具体解释本申请实施例中提供的模糊测试方法的另一具体实施过程。
图3为本申请实施例提供的模糊测试方法的另一流程示意图，请参照图3，根据反馈结果确定目标测试用例，包括：
S310：若反馈结果为测试结果不满足停止条件，则获取被监测目标程序运行后的反馈信息。
其中，反馈信息包括：被监测目标程序的代码覆盖率。
可选地，若监控单元210发送给控制单元110的反馈结果为测试结果不满足停止条件，则可以确定当前使用的模糊测试用例并不合适，需要对该模糊测试用例进行调整，可以通过监控单元210获取被监测目标程序运行后的反馈信息，该反馈信息具体可以是被监测目标程序的代码覆盖率，也即是说，基于模糊测试用例执行被监测目标程序时，对该被监测目标程序的代码覆盖率(具体可以是指该程序在执行时已执行代码占所有代码的比例)。
需要说明的是，除了可以获取代码覆盖率之外，也可以获取与代码覆盖率类似的用于表征被监测目标程序的执行情况的数据，并不以代码覆盖率为限制。
可选地，在获取代码覆盖率时，监控单元210具体可以通过插桩的方式获取，从而得到具体的代码覆盖率的值。
S320：基于反馈信息以及预设参数计算得到目标适应度。
可选地，得到反馈信息中的代码覆盖率之后，可以基于在控制单元110中预先配置好的预设参数以及获取到的代码覆盖率进行目标适应度的计算。
具体可以是基于反馈信息以及预设参数建立目标适应度的计算公式，并得到对应的计算结果，该计算结果即可以是目标适应度。
S330：基于目标适应度生成新的模糊测试用例并重新执行新的模糊测试用例以及获取被监测目标程序运行后的新的反馈结果，直至新的反馈结果为测试结果满足停止条件。
可选地，得到目标适应度后，可以按照该目标适应度生成新的模糊测试用例，并重新执行新的模糊测试用例以及获取被监测目标程序运行后的新的反馈结果，直至新的反馈结果为测试结果满足停止条件，该过程可以是一个循环计算的过程，得到反馈结果为测试结果满足停止条件之后为止。
可选地，在测试结果不满足停止条件时，可能存在被监测目标程序的崩溃情况，若实际过程中出现崩溃，则可以保存崩溃信息和模糊测试用例，并利用插桩的方式返回代码覆盖率。
本申请实施例提供的一种模糊测试方法中，若反馈结果为测试结果不满足停止条件，则获取被监测目标程序运行后的反馈信息；基于反馈信息以及预设参数计算得到目标适应度；基于目标适应度生成新的模糊测试用例并重新执行新的模糊测试用例以及获取被监测目标程序运行后的新的反馈结果，直至新的反馈结果为测试结果满足停止条件。其中，通过上述方式可以在测试结果不满足停止条件时，对模糊测试用例进行进一步调整，可以通过上述循环调整方式不断对模糊测试用例进行调整，最终得到满足需求的模糊测试用例，从而可以实现目标测试用例的确定。并且，通过上述方式对模糊测试用例进行调整，可以增加模糊测试用例测试的全面性，避免因为随机分布的原因导致的结果随机性较高的问题，从而可以提高测试用例的执行效果。
下面来具体解释本申请实施例中提供的模糊测试方法中计算目标适应度的具体实施过程。
图4为本申请实施例提供的模糊测试方法的又一流程示意图，请参照图4，基于反馈信息以及预设参数计算得到目标适应度，包括：
S410：根据预设参数确定适应度函数。
其中，预设参数包括：预设系数以及模糊测试用例的长度。
可选地，适应度函数具体构建如下：
其中，fitnessi可以表示测试用例i的适应度；k1、k2为预设系数,k1,k2∈[0,1],k1+k2＝1；Covi表示执行测试用例i时被监测目标程序的代码覆盖率；leni表示测试用例i的长度。
S420：基于代码覆盖率以及模糊测试用例的长度进行迭代运算，得到目标适应度。
可选地，基于上述公式可以得到测试用例的适应度与代码覆盖率成正比，与测试用例长度成反比，则可以基于上述公式进行不断迭代计算，得到代码覆盖率高且模糊测试用例的长度较短的测试用例，该测试用例的适应度即为上述目标适应度。
可选地，根据反馈结果确定目标测试用例，包括：若反馈结果为测试结果满足停止条件，则确定模糊测试用例为目标测试用例。其中，当确定反馈结果为测试结果满足停止条件，则可以将本次测试过程中使用的模糊测试用例作为目标测试用例。
下面来具体解释本申请实施例中提供的模糊测试方法的另一具体实施过程。
图5为本申请实施例提供的模糊测试方法中生成模糊测试用例的流程示意图，请参照图5，基于遗传算法生成模糊测试用例，包括：
S510：生成初始数据种群。
可选地，在生成模糊测试用例的过程中具体可以通过初始化的方法先生成一个初始数据种群，该初始数据种群可以作为第一代种群。
S520：基于遗传算法，对初始数据种群依次进行交叉、变异以及约束处理，得到满足约束条件的子代数据种群。
可选地，得到上述初始数据种群之后，可以将初始数据种群作为父代数据种群，通过轮盘赌选择算子的方式在父代数据种群中选择进行交叉，交叉完成之后可以选择父代数据种群进行变异处理，并对变异之后的数据种群进行模型约束，从而得到满足约束条件的子代数据种群。
S530：根据子代数据种群，生成模糊测试用例。
可选地，得到子代数据种群之后，可以将子代数据种群作为模糊测试用例；或者可以将父代数据种群和子代数据种群一起作为模糊测试用例，在此不作具体限制。
下面来具体解释本申请实施例中提供的模糊测试方法中基于状态机工作的一具体实施过程。
图6为本申请实施例提供的模糊测试方法中状态机工作的流程示意图，请参照图6，计算机设备中运行有状态机，状态机包括输入解析状态。
基于遗传算法生成模糊测试用例之前，该方法还包括：
S610：将状态机的状态切换至输入解析状态，获取输入的消息序列。
可选地，该状态机具体可以是有限状态机，状态机的状态切换可以由前述状态机单元140进行控制，当需要用户进行输入控制指令时，可以将状态机的状态切换至输入解析状态，进而可以获取用户输入的消息序列。该消息序列可以是用户实时输入的，也可以是用户预先输入存储后，调用配置文件得到的，在此不作具体限制。
需要说明的是，在实际执行的过程中，可以是当控制单元110检测到有消息序列输入之后，状态机可以进行上述状态切换，进而由控制单元110获取输入的消息序列，并且，在生成模糊测试用例之后可以将状态切换为其他状态。
基于遗传算法生成模糊测试用例，包括：
S620：当状态机处于输入解析状态时，基于输入的消息序列以及遗传算法生成模糊测试用例。
可选地，当确定状态机的当前状态为输入解析状态时，可以基于输入的消息序列以及遗传算法生成模糊测试用例。具体生成算法在前述已经进行了解释，在此不加赘述。
下面来具体解释本申请实施例中提供的模糊测试方法中基于状态机工作的另一具体实施过程。
图7为本申请实施例提供的模糊测试方法中状态机工作的另一流程示意图，请参照图7，状态机还包括：监测接收状态。
获取被监测目标程序运行后的反馈结果之前，该方法还包括：
S710：将状态机的状态由输入解析状态切换至监测接收状态。
可选地，在获取被监测目标程序运行后的反馈结果之前可以先将状态机的状态由输入解析状态切换至监测接收状态。
需要说明的是，在实际执行的过程中，可以是当监控单元210发送反馈结果之后，状态机可以进行上述状态切换，或者也可以是当前述S620执行完毕之后，直接由输入解析状态切换至监测接收状态，进而由控制单元110获取监控单元210发送的被监测目标程序运行后的反馈结果。
获取被监测目标程序运行后的反馈结果，包括：
S720：当状态机处于监测接收状态时，获取被监测目标程序运行后的反馈结果。
可选地，当确定状态机的当前状态为监测接收状态时，可以获取被监测目标程序运行后的反馈结果。
本申请实施例提供的一种模糊测试方法中，可以将状态机的状态切换至输入解析状态，获取输入的消息序列；当状态机处于输入解析状态时，基于输入的消息序列以及遗传算法生成模糊测试用例。将状态机的状态由输入解析状态切换至监测接收状态；当状态机处于监测接收状态时，获取被监测目标程序运行后的反馈结果。其中，由于测试用例穿透性低，模糊测试用例变异时，具有很强的随机性，产生的测试用例过于畸形，被测试程序容易立即丢弃测试用例，因此，无法实现对模糊测试用例的状态控制，也即是何时进行模糊测试用例的生成以及何时获取反馈结果，通过设置状态机的方式，可以在状态机处于输入解析状态时进行测试用例的生成，在状态机处于监测接收状态时进行反馈结果的获取，从而可以更加规律的实现对测试用例的控制，避免因为模糊测试用例自身原因而导致测试的失败，通过状态机可以更加规律以及高效的实现对模糊测试用例执行的管理。
下面来具体解释本申请实施例中提供的模糊测试方法的一可选具体实施过程。
图8为本申请实施例提供的模糊测试方法执行的整体流程示意图，请参照图8，该方法包括：
S810：生成初始数据种群。
S820：基于遗传算法，对初始数据种群依次进行交叉、变异以及约束处理，得到满足约束条件的子代数据种群。
S830：根据子代数据种群，生成模糊测试用例。
S840：执行模糊测试用例，以触发被监测目标程序的运行。
S850：获取被监测目标程序运行后的反馈结果。若反馈结果为测试结果不满足停止条件，执行S860；若反馈结果为测试结果满足停止条件，执行S890。
S860：获取被监测目标程序运行后的反馈信息。
S870：基于反馈信息以及预设参数计算得到目标适应度。
S880：基于目标适应度生成新的模糊测试用例。执行S850。
S890：将模糊测试用例作为目标测试用例并基于目标测试用例对待测程序进行测试。
需要说明的是，上述S810-S890的所有步骤在前述已经进行了解释，本实施例中仅做出对这些步骤的逻辑关系的说明，不加对具体步骤的解释进行赘述。
下面来具体解释本申请实施例中提供的模糊测试方法的状态机进行判定的具体实施过程。
图9为本申请实施例提供的模糊测试方法中状态机切换状态的具体流程示意图，请参照图9，该方法包括：
S910：查询是否存在输入的消息序列。若是，执行S920；若否，执行S940。
S920：将状态机的状态切换至输入解析状态，获取输入的消息序列。
S930：当状态机处于输入解析状态时，基于输入的消息序列以及遗传算法生成模糊测试用例，并在生成模糊测试用例之后将状态机的状态切换至监测接收状态。
S940：当状态机处于监测接收状态时，获取被监测目标程序运行后的反馈结果。
需要说明的是，上述S910-S940的所有步骤在前述已经进行了解释，本实施例中仅做出对这些步骤的逻辑关系的说明，不加对具体步骤的解释进行赘述。
下述对用以执行的本申请所提供的模糊测试方法对应的装置、设备及存储介质等进行说明，其具体的实现过程以及技术效果参见上述，下述不再赘述。
图10为本申请实施例提供的模糊测试装置的结构示意图，请参照图10，模糊测试装置，应用于计算机设备，该装置包括：用例生成模块310、反馈获取模块320、用例确定模块330以及用例应用模块340；
用例生成模块310，用于基于遗传算法生成模糊测试用例，并执行模糊测试用例，以触发被监测目标程序的运行；
反馈获取模块320，用于获取被监测目标程序运行后的反馈结果，反馈结果包括：测试结果满足停止条件以及测试结果不满足停止条件；
用例确定模块330，用于根据反馈结果确定目标测试用例；
用例应用模块340，用于基于目标测试用例对待测程序进行测试。
可选地，用例确定模块330，具体用于若反馈结果为测试结果不满足停止条件，则获取被监测目标程序运行后的反馈信息，反馈信息包括：被监测目标程序的代码覆盖率；基于反馈信息以及预设参数计算得到目标适应度；基于目标适应度生成新的模糊测试用例并重新执行新的模糊测试用例以及获取被监测目标程序运行后的新的反馈结果，直至新的反馈结果为测试结果满足停止条件。
可选地，用例确定模块330，具体用于根据预设参数确定适应度函数，预设参数包括：预设系数以及模糊测试用例的长度；基于代码覆盖率以及模糊测试用例的长度进行迭代运算，得到目标适应度。
可选地，用例确定模块330，具体用于若反馈结果为测试结果满足停止条件，则确定模糊测试用例为目标测试用例。
可选地，用例生成模块310，具体用于生成初始数据种群；基于遗传算法，对初始数据种群依次进行交叉、变异以及约束处理，得到满足约束条件的子代数据种群；根据子代数据种群，生成模糊测试用例。
可选地，计算机设备中运行有状态机，用例生成模块310，还用于将状态机的状态切换至输入解析状态，获取输入的消息序列；当状态机处于输入解析状态时，基于输入的消息序列以及遗传算法生成模糊测试用例。
可选地，反馈获取模块320，还用于将状态机的状态由输入解析状态切换至监测接收状态；当状态机处于监测接收状态时，获取被监测目标程序运行后的反馈结果。
上述装置用于执行前述实施例提供的方法，其实现原理和技术效果类似，在此不再赘述。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，简称ASIC)，或，一个或多个微处理器，或，一个或者多个现场可编程门阵列(Field Programmable Gate Array，简称FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(Central Processing Unit，简称CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，简称SOC)的形式实现。
图11为本申请实施例提供的计算机设备的结构示意图，请参照图11，计算机设备，包括：存储器410、处理器420，存储器410中存储有可在处理器420上运行的计算机程序，处理器420执行计算机程序时，实现上述模糊测试方法的步骤。
本申请实施例的另一方面，还提供计算机可读存储介质，存储介质上存储有计算机程序，该计算机程序被处理器执行时，实现上述模糊测试方法的步骤。
该计算机设备具体可以是电脑、手机、平板电脑、专用电子设备等任意设备，在此不作限制。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(英文：processor)执行本发明各个实施例方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取存储器(英文：Random Access Memory，简称：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
上仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (8)

1.一种模糊测试方法，其特征在于，应用于计算机设备，所述方法包括：
基于遗传算法生成模糊测试用例，并执行所述模糊测试用例，以触发被监测目标程序的运行；
获取所述被监测目标程序运行后的反馈结果，所述反馈结果包括：测试结果满足停止条件以及测试结果不满足停止条件；
根据所述反馈结果确定目标测试用例；
基于所述目标测试用例对待测程序进行测试；
其中，所述根据所述反馈结果确定目标测试用例，包括：
若所述反馈结果为测试结果不满足停止条件，则获取所述被监测目标程序运行后的反馈信息，所述反馈信息包括：所述被监测目标程序的代码覆盖率；
基于所述反馈信息以及预设参数计算得到目标适应度；
基于所述目标适应度生成新的模糊测试用例并重新执行所述新的模糊测试用例以及获取所述被监测目标程序运行后的新的反馈结果，直至所述新的反馈结果为测试结果满足停止条件；
其中，所述基于所述反馈信息以及预设参数计算得到目标适应度，包括：
根据所述预设参数确定适应度函数，所述预设参数包括：预设系数以及所述模糊测试用例的长度；
基于所述代码覆盖率以及所述模糊测试用例的长度进行迭代运算，得到所述目标适应度。
2.如权利要求1所述的模糊测试方法，其特征在于，所述根据所述反馈结果确定目标测试用例，包括：
若所述反馈结果为测试结果满足停止条件，则确定所述模糊测试用例为目标测试用例。
3.如权利要求1所述的模糊测试方法，其特征在于，所述基于遗传算法生成模糊测试用例，包括：
生成初始数据种群；
基于所述遗传算法，对所述初始数据种群依次进行交叉、变异以及约束处理，得到满足约束条件的子代数据种群；
根据所述子代数据种群，生成所述模糊测试用例。
4.如权利要求1所述的模糊测试方法，其特征在于，所述计算机设备中运行有状态机，所述状态机包括输入解析状态；
所述基于遗传算法生成模糊测试用例之前，所述方法还包括：
将所述状态机的状态切换至所述输入解析状态，获取输入的消息序列；
所述基于遗传算法生成模糊测试用例，包括：
当所述状态机处于所述输入解析状态时，基于所述输入的消息序列以及所述遗传算法生成所述模糊测试用例。
5.如权利要求4所述的模糊测试方法，其特征在于，所述状态机还包括：监测接收状态；
所述获取所述被监测目标程序运行后的反馈结果之前，所述方法还包括：
将所述状态机的状态由所述输入解析状态切换至所述监测接收状态；
所述获取所述被监测目标程序运行后的反馈结果，包括：
当所述状态机处于所述监测接收状态时，获取所述被监测目标程序运行后的反馈结果。
6.一种模糊测试装置，其特征在于，应用于计算机设备，所述装置包括：用例生成模块、反馈获取模块、用例确定模块以及用例应用模块；
所述用例生成模块，用于基于遗传算法生成模糊测试用例，并执行所述模糊测试用例，以触发被监测目标程序的运行；
所述反馈获取模块，用于获取所述被监测目标程序运行后的反馈结果，所述反馈结果包括：测试结果满足停止条件以及测试结果不满足停止条件；
所述用例确定模块，用于根据所述反馈结果确定目标测试用例；
所述用例应用模块，用于基于所述目标测试用例对待测程序进行测试；
其中，所述用例确定模块，具体用于若所述反馈结果为测试结果不满足停止条件，则获取所述被监测目标程序运行后的反馈信息，所述反馈信息包括：所述被监测目标程序的代码覆盖率；
基于所述反馈信息以及预设参数计算得到目标适应度；
基于所述目标适应度生成新的模糊测试用例并重新执行所述新的模糊测试用例以及获取所述被监测目标程序运行后的新的反馈结果，直至所述新的反馈结果为测试结果满足停止条件；
其中，所述用例确定模块，具体用于根据所述预设参数确定适应度函数，所述预设参数包括：预设系数以及所述模糊测试用例的长度；
基于所述代码覆盖率以及所述模糊测试用例的长度进行迭代运算，得到所述目标适应度。
7.一种计算机设备，其特征在于，包括：存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现权利要求1至5任一项所述的方法的步骤。
8.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，该计算机程序被处理器执行时，实现权利要求1至5中任一项所述方法的步骤。
CN202210832489.3A 2022-07-14 2022-07-14 一种模糊测试方法、装置、设备及存储介质 Active CN115225551B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210832489.3A CN115225551B (zh) 2022-07-14 2022-07-14 一种模糊测试方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210832489.3A CN115225551B (zh) 2022-07-14 2022-07-14 一种模糊测试方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN115225551A CN115225551A (zh) 2022-10-21
CN115225551B true CN115225551B (zh) 2024-03-29

Family

ID=83612864

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210832489.3A Active CN115225551B (zh) 2022-07-14 2022-07-14 一种模糊测试方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN115225551B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115905021B (zh) * 2022-12-30 2023-11-28 长春吉大正元信息技术股份有限公司 一种模糊测试方法、装置、电子设备以及存储介质
CN116383067B (zh) * 2023-04-07 2023-11-21 上海安般信息科技有限公司 一种基于模糊测试停止的充分性判断方法及装置

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5754760A (en) * 1996-05-30 1998-05-19 Integrity Qa Software, Inc. Automatic software testing tool
CN101859274A (zh) * 2009-04-07 2010-10-13 西门子（中国）有限公司 一种进行模糊测试的方法及系统
CN105721255A (zh) * 2016-04-14 2016-06-29 北京工业大学 基于模糊测试的工控协议漏洞挖掘系统
CN108470003A (zh) * 2018-03-24 2018-08-31 中科软评科技（北京）有限公司 模糊测试方法、装置和系统
CN108845944A (zh) * 2018-06-28 2018-11-20 中国人民解放军国防科技大学 一种结合符号执行提高软件模糊测试效率的方法
CN110764870A (zh) * 2019-09-30 2020-02-07 腾讯科技（深圳）有限公司 一种虚拟机逃逸漏洞挖掘方法、装置、设备及介质
CN112181833A (zh) * 2020-09-28 2021-01-05 全球能源互联网研究院有限公司 一种智能化模糊测试方法、装置及系统
WO2021003818A1 (zh) * 2019-07-08 2021-01-14 平安科技（深圳）有限公司 接口测试用例生成方法、装置、计算机设备及存储介质
CN112579462A (zh) * 2020-12-25 2021-03-30 平安银行股份有限公司 测试用例获取方法、系统、设备及计算机可读存储介质
CN112769654A (zh) * 2021-01-21 2021-05-07 国网河南省电力公司电力科学研究院 一种基于遗传算法的Modbus TCP协议模糊测试方法
CN113328914A (zh) * 2021-05-31 2021-08-31 山石网科通信技术股份有限公司 工控协议的模糊测试方法、装置、存储介质及处理器
CN113326181A (zh) * 2020-02-29 2021-08-31 华为技术有限公司 有状态网络协议的模糊测试方法、装置及存储介质
WO2021196454A1 (zh) * 2020-04-03 2021-10-07 深圳壹账通智能科技有限公司 一种数据检测方法、设备、服务器及可读存储介质
CN113709126A (zh) * 2021-08-18 2021-11-26 深圳开源互联网安全技术有限公司 网络协议安全模糊测试方法、装置、设备以及存储介质
CN114138671A (zh) * 2021-12-13 2022-03-04 北京邮电大学 一种协议的测试方法、装置、电子设备及存储介质
CN114328173A (zh) * 2021-10-27 2022-04-12 清华大学 软件模糊测试方法和装置、电子设备及存储介质
CN114385513A (zh) * 2022-03-23 2022-04-22 中国工商银行股份有限公司 用例选择方法、装置、计算机设备和存储介质
CN114465938A (zh) * 2022-01-05 2022-05-10 国网湖北省电力有限公司电力科学研究院 一种基于模糊测试的充电桩can协议的渗透测试方法、系统及存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9497100B2 (en) * 2014-05-05 2016-11-15 Ixia Methods, systems, and computer readable media for providing fuzz testing functionality
US20170168885A1 (en) * 2015-12-09 2017-06-15 Hcl Technologies Limited System and Method for Testing Internet of Things Network
US11366748B1 (en) * 2020-11-30 2022-06-21 Irdeto B.V. Fuzzy testing a software system

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5754760A (en) * 1996-05-30 1998-05-19 Integrity Qa Software, Inc. Automatic software testing tool
CN101859274A (zh) * 2009-04-07 2010-10-13 西门子（中国）有限公司 一种进行模糊测试的方法及系统
CN105721255A (zh) * 2016-04-14 2016-06-29 北京工业大学 基于模糊测试的工控协议漏洞挖掘系统
CN108470003A (zh) * 2018-03-24 2018-08-31 中科软评科技（北京）有限公司 模糊测试方法、装置和系统
CN108845944A (zh) * 2018-06-28 2018-11-20 中国人民解放军国防科技大学 一种结合符号执行提高软件模糊测试效率的方法
WO2021003818A1 (zh) * 2019-07-08 2021-01-14 平安科技（深圳）有限公司 接口测试用例生成方法、装置、计算机设备及存储介质
CN110764870A (zh) * 2019-09-30 2020-02-07 腾讯科技（深圳）有限公司 一种虚拟机逃逸漏洞挖掘方法、装置、设备及介质
CN113326181A (zh) * 2020-02-29 2021-08-31 华为技术有限公司 有状态网络协议的模糊测试方法、装置及存储介质
WO2021196454A1 (zh) * 2020-04-03 2021-10-07 深圳壹账通智能科技有限公司 一种数据检测方法、设备、服务器及可读存储介质
CN112181833A (zh) * 2020-09-28 2021-01-05 全球能源互联网研究院有限公司 一种智能化模糊测试方法、装置及系统
CN112579462A (zh) * 2020-12-25 2021-03-30 平安银行股份有限公司 测试用例获取方法、系统、设备及计算机可读存储介质
CN112769654A (zh) * 2021-01-21 2021-05-07 国网河南省电力公司电力科学研究院 一种基于遗传算法的Modbus TCP协议模糊测试方法
CN113328914A (zh) * 2021-05-31 2021-08-31 山石网科通信技术股份有限公司 工控协议的模糊测试方法、装置、存储介质及处理器
CN113709126A (zh) * 2021-08-18 2021-11-26 深圳开源互联网安全技术有限公司 网络协议安全模糊测试方法、装置、设备以及存储介质
CN114328173A (zh) * 2021-10-27 2022-04-12 清华大学 软件模糊测试方法和装置、电子设备及存储介质
CN114138671A (zh) * 2021-12-13 2022-03-04 北京邮电大学 一种协议的测试方法、装置、电子设备及存储介质
CN114465938A (zh) * 2022-01-05 2022-05-10 国网湖北省电力有限公司电力科学研究院 一种基于模糊测试的充电桩can协议的渗透测试方法、系统及存储介质
CN114385513A (zh) * 2022-03-23 2022-04-22 中国工商银行股份有限公司 用例选择方法、装置、计算机设备和存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
《基于遗传算法和有限状态机的S1AP协议模糊测试技术研究与实现》;李伟琦;《中国优秀硕士学位论文全文数据库信息科技辑》(第05期);全文 *

Also Published As

Publication number Publication date
CN115225551A (zh) 2022-10-21

Similar Documents

Publication Publication Date Title
CN115225551B (zh) 一种模糊测试方法、装置、设备及存储介质
CN108365961B (zh) 接口调用方法及终端设备、接口调用的响应方法及服务器
CN109936545B (zh) 暴力破解攻击的检测方法和相关装置
EP2979425B1 (en) Method and apparatus for detecting a multi-stage event
CN104980421B (zh) 一种批量请求处理方法及系统
CN110380925B (zh) 一种网络设备探测中端口选择方法及系统
CN108111346B (zh) 告警关联分析中频繁项集的确定方法、装置及存储介质
CN109309591A (zh) 流量数据统计方法、电子设备及存储介质
CN110415044A (zh) 作弊检测方法、装置、设备及存储介质
US10478731B2 (en) Method and apparatus for storing user data
CN105704133A (zh) 数据同步的方法、终端及服务器
CN116781434B (zh) 基于拟态防御的访问控制方法、系统及相关设备
Métivier et al. Analysis of fully distributed splitting and naming probabilistic procedures and applications
KR101932765B1 (ko) 게임 어뷰저 검출을 위한 로그 데이터 처리 방법 및 장치
CN114205816B (zh) 一种电力移动物联网信息安全架构及其使用方法
AU2022224114A1 (en) Event interval approximation
CN110087230B (zh) 数据处理方法、装置、存储介质及电子设备
CN110223109B (zh) 一种线上购物方法和相关装置
CN106412911B (zh) 无线接入点监控方法、装置及电子设备
CN111260440B (zh) 一种订单处理方法、装置、存储介质和计算机设备
JP7367102B2 (ja) デバイスハンドオフ
CN117520020B (zh) 用于实现隐私计算的数据交互方法、装置、系统
CN112312445B (zh) 语音呼叫的处理方法、装置、存储介质和服务器
CN110362619B (zh) 一种基于认证服务器的用户注册方法、装置和电子设备
CN117580004A (zh) 基于5g消息的业务处理方法、装置及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant