-
Notifications
You must be signed in to change notification settings - Fork 0
/
chapter5.tex
1068 lines (857 loc) · 77.7 KB
/
chapter5.tex
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
% !TeX root=_main_.tex
% chapter5
\chapter{ارزیابی روش پیشنهادی}\label{ch:5}
\thispagestyle{empty}
\epigraph{
«من شکست نخورده‌ام. من فقط $10,000$ راه پیدا کردم که کار نمی‌کند.»
}
{$ \maltese $ {\large توماس ادیسون}}
\noindent
ما روش پیشنهادی خود را روی قالب فایل \gls{PDF} به‌عنوان یک قالب فایل با ساختار پیچیده و ترکیبی و نرم‌افزار متن‌باز و رایگان
\lr{MuPDF} \cite{MuPDF2018}
مورد ارزیابی قرار دادیم. در این فصل به تشریح چیدمان آزمایش‌ها، معیارهای ارزیابی، یافته‌های حاصل از آزمایش‌ها و نتیجه‌گیری از آنها می‌پردازیم. هدف علاوه بر اثبات کارایی و خوب بودن روش پیشنهادی، شناسایی و تفکیک پارامترهای مهم در هنگام استفاده از فنون یادگیری ماشینی در آزمون فازی و تولید خودکار داده آزمون است. استفاده از یادگیری ماشینی در آزمون فازی حوزه پژوهشی بدیع و ناشناخته‌ای است. بنابراین در این فصل معیارهایی را که در هر روش پیشنهادی بایستی مورد ارزیابی قرار بگیرند، نیز مشخص خواهیم نمود. سپس روش پیشنهادی خود را با آنها مورد ارزیابی قرار می‌دهیم.
\section{مورد مطالعاتی}
نرم‌افزار
\lr{MuPDF} \cite{MuPDF2018}
مجموعه غنی از کتابخانه‌ها، \lr{API}ها و ابزارهای کاربردی برای کار با فایل‌های \gls{PDF} است. این نرم‌افزار مشتمل بر سه قسمت \lr{API}، ابزار \lr{mutool} و ابزار \gls{PDF}خوان است. ابزار \lr{mutool} برای ایجاد و تغییر فایل‌های \gls{PDF} استفاده می‌شود. ابزار \gls{PDF}خوان نیز برای نمایش فایل‌های \gls{PDF} به‌کار می‌رود. بسته نرم‌افزاری کامل، به زبان \lr{C} نوشته شده و در سیستم عامل‌های ویندوز، لینوکس و \lr{Mac} و همچنین اندروید قابل استفاده است. به‌دلیل قابلیت حمل بالا و کاربرد زیادی که دارد، پیدا کردن خطا در آن حائز اهمیت است. در آزمایش‌ها ما ابزار \gls{PDF}خوان نسخه ویندوز را مورد آزمون قرار دادیم. منظور از عبارت \lr{MuPDF} در ادامه این فصل همان ابزار \gls{PDF}خوان است.
\lr{MuPDF}
البته در نسخه‌های جدید قالب‌های فایل دیگری را نیز پشتیبانی می‌کند؛ از جمله قالب‌های فایل \lr{XPS} و \lr{EPub}. اما قالب فایل \lr{PDF} بدون شک رایج‌ترین قالب اسناد و انتشارات الکترونیکی است که بیشتر مردم از آن استفاده می‌کنند. از این‌رو تضمین کیفیت و امنیت \lr{PDF}خوان‌ها به‌ویژه در تلفن‌های همراه اهمیت دو چندانی دارد. افزون بر آنچه گفته شد قالب فایل \gls{PDF} و نرم‌افزار \lr{MuPDF} تمامی مسائلی را که در بخش \ref{problem_statement} بدان اشاره کردیم، یعنی ساختار پیچیده ورودی، ساختار پیچیده کد و غیره، دارند و از طرفی در فصل \ref{related_work} دیدیم که فازرهای مبتنی بر جابه‌جایی مانند \lr{AFL} و \lr{AFL}افزوده نتواسته بودند به پوشش کد خوبی حیـن آزمون فازی این نرم‌افزار دست‌یابند. بنابراین انتخاب آنها به‌عنوان مورد مطالعاتی به‌دلایل بالا و نیز در جهت فراهم شدن امکان مقایسه با کارهای پیشین، قابل توجیه است. آزمایش‌ها برای هر قالب فایل و هر نرم‌افزار دیگری به‌نحوی که در ادامه این فصل توضیح داده می‌شود قابل اجرا است.
ساختار قالب فایل \gls{PDF} در پیوست \ref{appendix:1} به‌طور کامل بررسی شده است. بخش عمده این ساختار را اشیای متنی تشکیل می‌دهند. از مدلهای معرفی شده در بخش \ref{sec:model} برای یادگیری ساختار اشیای متنی استفاده می‌کنیم؛ زیرا یادگیری فایل \gls{PDF} به‌صورت یکجا با توجه به اینکه قسمت‌هایی از آن برای آدرس‌دهی استفاده می‌شوند امکان‌پذیر نیست. اما \lr{MuPDF} یا هر \gls{PDF}خوان دیگری فایل‌های کامل \gls{PDF} را به عنوان ورودی می‌پذیرد به همین لازم است تا اشیای تولید شده را به یک فایل تبدیل کنیم. برای این کار اشیای جدید را با استفاده از سازوکار توضیح داده شده در پیوست آ در مورد بروزرسانی یک فایل \gls{PDF}، به یک فایل معتبر از پیش موجود، که آن را \gls{Host} می‌نامیم، اضافه می‌کنیم. در نتیجه یک فایل \gls{PDF} جدید در اختیار خواهیم داشت که ساختار آن معتبر بوده و برخی اشیای آن تغییر داده شده و بازنویسی شده‌اند.
\section{معیارهای ارزیابی}
در تولید خودکار داده آزمون به روش یادگیری ژرف، تعداد زیادی پارامتر وجود دارد که می‌توان تأثیر آنها را در فرایند آزمون فازی سنجید. اما مهمترین هدف در فرایند آزمون فازی همان‌گونه که پیش از این هم ذکر شد یافتن خطا در \gls{SUT} است. هدف مهم بعدی افزایش میزان پوشش کد برای نیل هر چه بیشتر به هدف اول است. هدف دیگر که مختص به این روش است یادگیری هر چه بهتر ساختار فایل ورودی است. براساس اهداف اشاره شده، معیارهای ارزیابی زیر را در این فصل لحاظ کرده‌ایم:
\begin{itemize}
\item {
\textbf{خطا و دقت مدلهای یادگیری ژرف.}
شامل خطا و دقت هر مدل روی مجموعه‌های آموزش و ارزیابی، میزان و نحوه تغییر آنها با گذشت زمان. این معیارها توسط کد نوشته شده به ابزار \lr{Tensorboard} گزارش شده و در حین فرایند آموزش یا در پایان آن قابل مشاهده هستند.
}
\item {
\textbf{سرگشتگی.}
برای ارزیابی میزان خوب بودن مدل زبانی در پیش‌بینی نشانه بعدی توالی داده شده. معیار سرگشتگی از رابطه \ref{ppl} و با جایگذاری خطای مدل روی مجموعه ارزیابی، برای آن مدل محاسبه می‌گردد.
}
\item {
\textbf{پوشش کد.}
در هر اجرای \gls{SUT}، تعداد خطوط برنامه و نیز تعداد بلوک‌های اولیه‌ای که اجرا شده‌اند، شمارش می‌شود. با داشتن کل خطوط و بلوک‌های اولیه درصد پوشش کد نیز قابل محاسبه است. برای یک مجموعه آزمون، یعنی چندین بار اجرای متوالی \gls{SUT} پوشش کد عبارت خواهد بود از اجتماع پوشش کد تک‌تک هریک از اجراها. بنابراین منظور از اصطلاح کلی پوشش کد در ادامه پوشش بلوک‌های پایه است.
}
\item {
\textbf{خطا و آسیب‌پذیری.}
\gls{SUT}
تحت ابزار پایش \lr{Application Verifier} اجرا می‌شود که خطاهای احتمالی را ثبت و شماره‌گذاری می‌کند. سپس می‌توان با تحلیل این خطاها در یک محیط اشکال زدا، ضمن تعیین مکان و علت خطا، امکان قابل بهره‌برداری بودن آنها را بررسی کرد.
}
\end{itemize}
آزمایش‌ها بایستی به‌گونه‌ای طراحی شوند که هریک از آنها تأثیر یک پارامتر خاص را بر روی معیارهای بالا، به‌طور واضح نمایان سازد؛ اما، پارامـــترها کدامند؟ ما در این بخش، چندین پارامتر و مقادیر قابل آزمایش برای هریک را شناسایی و معرفی می‌کنیم. فهرستی از این پارامترها و مقادیری که می‌توانند بپذیرند در جدول \ref{tabel:all_parameters} ذکر شده است. همانطور که مشاهده می‌شود برخی از پارامترها مقادیری پیوسته و برخی دیگر مقادیری گسسته می‌پذیرند. بر این باور هستیم که هر روش تولید خودکار داده آزمون با استفاده از یادگیری ماشینی روی چنین پارامترهایی بنا می‌شود، لذا شناسایی و تفکیک این پارامترها پیش از هرگونه طرح آزمایشی لازم و ارزشمند است.
\begin{table}%[ht]
\caption[پارامترهای مؤثر در تولید خودکار داده آزمون با روش‌های یادگیری ماشینی و مقادیر قابل آزمایش برای آنها]{
پارامترهای مؤثر در تولید خودکار داده آزمون با روش‌های یادگیری ماشینی و مقادیر قابل آزمایش برای آنها.}
\label{tabel:all_parameters}
\centering
\onehalfspacing
%\setlength{\extrarowheight}{4mm}
\begin{tabularx}{0.95\linewidth}{rrr}
\toprule[1.5pt]
ردیف &
پـارامتـر \hspace{2cm} &
مقادیر قابل آزمایش
\\
\midrule[1.5pt]
1 &
نوع مدل &
$\bullet$
انواع مدلهای یادگیری ژرف
\\
\hline
2 &
راهبرد &
$\bullet$
حریصانه
\\
&
&
$\bullet$
نمونه برداری
\\
&
&
$\bullet$
ترکیبی (حریصانه + نمونه‌برداری)
\\
&
&
$\bullet$
چند فهرست بهتر
\\
\hline
%\vspace{3mm}
3 & تنوع
($D$) &
$\bullet$ $(0, \infty)$
\\
\hline
%\vspace{3mm}
4 &
روش فاز &
$\bullet$
بدون فاز
\\
&
&
$\bullet$
تصـادفی
\\
&
&
$\bullet$
مبتنی بر مدل
\\
&
&
$\bullet$
ترکـیبی
\\
\hline
%\vspace{3mm}
5 &
الگوریتم فاز &
$\bullet$
فاز داده
\\
&
&
$\bullet$
فاز فراداده
\\
\hline
%\vspace{3mm}
6 & تعداد دوره آموزش &
$\bullet$ $\{1,2,3,...\}$
\\
\hline
%\vspace{3mm}
7 &
نوع فایل &
$\bullet$
متنی
\\
&
&
$\bullet$
متنی + دودویی
\\
\hline
%\vspace{3mm}
8 &
استفاده از میزبان &
$\bullet$
استفاده
\\
&
&
$\bullet$
عدم استفاده
\\
\hline
%\vspace{3mm}
9 & تعداد میزبان &
$\bullet$ $\{1,2,3,...\}$
\\
\hline
10 &
میزان تغییر میزبان &
$\bullet$
ثابت
\\
&
&
$\bullet$
متغیر
\\
\bottomrule[1.5pt]
\end{tabularx}
\end{table}
نوع مدل در سطر اول جدول \ref{tabel:all_parameters} برای هر مدل، خود دارای اَبَرپارمترهایی مانند تعداد عصب، لایه، نرخ یادگیری و غیره است که در فصل قبل به آنها اشاره شد. بنابراین جدول \ref{tabel:all_parameters} یک دید جامع از همه پارامترهایی که تا اینجا معرفی شدند، در اختیار می‌گذارد. در بخش بعد چیدمان آزمایش‌ها خود را براساس این پارامترها شرح خواهیم داد.
\section{چیدمان آزمایش‌ها}
برای آموزش مدلهای یادگیری معرفی شده در بخش \ref{sec:model} (جدول \ref{tabel:deep_model}) و تولید داده‌های آزمون از یک سیستم فیزیکی با پردازنده گرافیکی
\lr{NVidia GTX 1080}،
پردازنده مرکزی
\lr{Intel Core i7 }
و 20 گیگابایت حافظه اصلی به همراه سیستم عامل
\lr{Ubuntu 16.04 x64}
استفاده کردیم. آزمون‌های فازی را نیز روی ماشین مجازی با پردازنده
\lr{Intel Core i7 }
و 8 گیگابایت حافظه اصلی به همراه سیستم عامل
\lr{Windows 10 x64}
انجام دادیم. ما همچنین از نسخه نهایی
\lr{MuPDF}
در زمان انجام آزمایش‌ها یعنی نسخه
\lr{MuPDF 1.11(2017-04-11) Final}
برای آزمون فازی استفاده کردیم. باتوجه به نهایی بودن نسخه انتظار می‌رود خطاهای نسخه تا حد زیادی، در مقایسه با نسخه‌های آلفا، بتا و
\lr{RC}
برطرف شده باشند و لذا شناسایی خطا کار سخت‌تری خواهد بود.
مشخصه‌های کامل مدل‌ها در فرایند آموزش به‌همراه تعداد دوره و زمان آموزش هر دوره، در جدول \ref{tabel:model_parameters} آمده است.
\begin{table}%[ht]
\caption{
مشخصه‌ها و زمان آموزش مدلهای جدول \ref{tabel:deep_model} در فرایند آموزش.}
\label{tabel:model_parameters}
\centering
\onehalfspacing
\begin{tabularx}{0.95\linewidth}{r p{15mm} p{15mm} p{15mm} p{15mm}}
\toprule[1.5pt] پارامتر / شماره مدل & 1 & 2 & 3 & 4
\\
\midrule[1.5pt] طول توالی‌های ورودی ($d$) & 50 & 50 & 50 & 50
\\
%\hline
گام پرش ($j$) & 3 & 3 & 1 & 1
\\
%\hline
تعداد دوره & 50 & 50 & 50 & 50
\\
%\hline
زمان تقریبی یک دوره (ساعت: دقیقه) & $ 1:00'$ & $1:45'$ & $5:45'$& $ 9:30'$
\\
%\hline
حجم تقریبی مدل (مگابایت) & $ 1.24$ & $ 2.76$ & $ 9.99$ & $ 5.41$
\\
\bottomrule[1.5pt]
\end{tabularx}
\end{table}
پیچیدگی مدلهای جدول \ref{tabel:model_parameters} با افزایش شماره، افزایش می‌یابد. یعنی مدل 2 از مدل 1 پیچیده‌تر درنظر گرفته شده است. همانطور که در جدول هم مشخص است مدلهای پیچیده‌تر زمان آموزش طولانی‌تری دارند. برای مدلهای پیچیده‌تر منطقی است که نمونه‌های آموزشی بیشتری داشته باشیم. در نتیجه برای مدلهای 3 و 4 گام پرش را 1 و برای مدلهای 1 و 2 گام پرش را 3 در نظر گرفتیم. همچنین برای مدل شماره 3 از روش منظم‌سازی
\lr{Dropout} \cite{JMLR:v15:srivastava14a}
$p=0.3$
استفاده کردیم. در نهایت هر مدل را دست‌کم برای $50$ دوره روی داده‌های مجموعه آموزش، آموزش دادیم.
\subsection{مجموعه داده}
آموزش موفق شبکه‌های عصبی ژرف مستلزم داشتن مجموعه داده به‌اندازه کافی بزرگ و مناسب است. در یادگیری ماشینی هرچه‌قدر تعداد دادهها بیشتر باشد، یادگیری بهتر انجام خواهد شد. هنوز در بسیاری از زمینه‌ها مجموعه داده کافی برای آموزش وجود ندارد و این یکی از محدودیت‌های استفاده از شبکه‌های عصبی ژرف است. برای یادگیری آماری ساختار اشیای فایل \gls{PDF} پیکره بزرگی از فایل‌های \gls{PDF} جمع‌آوری کردیم؛ زیرا چنین پیکره‌ای از قبل وجود نداشت. بخشی از این پیکره شامل مجموعه داده‌های آزمون \gls{PDF} خوان
\lr{Mozilla}\LTRfootnote{\href{https://github.com/mozilla/pdf.js/tree/master/test/pdfs}{https://github.com/mozilla/pdf.js/tree/master/test/pdfs}}
است که در مرورگر وب
\lr{Firfox}
و دیگر پروژه‌های این شرکت استفاده می‌شود و به‌صورت رایگان دردسترس است. بخش دیگری از آن \gls{PDF}های استفاده شده در فازرهای دیگر مثل
\lr{AFL}
است و بلأخره بخشی بزرگی نیز از طریق وب جمع‌آوری شد به‌نحوی که تنوع خوبی از لحاظ اندازه و محتوا داشته باشند. پیکره نهایی در حال حاضر شامل 6100 فایل \gls{PDF} مختلف و طبقه‌بندی شده است که ما آن را تحت نام
\lr{IUST PDF Corpus}\LTRfootnote{\href{https://github.com/m-zakeri/iust\_deep\_fuzz/tree/master/dataset}{https://github.com/m-zakeri/iust\_deep\_fuzz/tree/master/dataset}}
منتشر کرده‌ایم و از آن می‌توان در موارد دیگر نیز استفاده کرد.
از فایل‌های داخل این پیکره که اندازه آنها بین 1 تا 900 کیلوبایت و تا حداکثر 7935 کیلوبایت متغیر است، در حدود 504153 تعداد شیء داده‌ای \gls{PDF} با طول‌های گوناگون استخراج شد که به عنوان مجموعه داده جهت یادگیری ساختار اشیای داده‌ای \gls{PDF} در نظر گرفته شده‌اند. این اشیاء سپس همگی در یک فایل الحاق شدند که حجم فایل نهایی در حدود 70 مگابایت است. از این تعداد در حدود 137157 شیء حاوی جریان‌های دودویی بودند که محتوای همه این جریان‌ها پس از شناسایی با توکن دودویی
\texttt{\lr{stream}}
جایگزین شدند؛ زیرا، همانطور که قبل از این هم اشاره کردیم نیازی به شرکت دادن آنها در فرایند آموزش نیست و بعداً مجدداً آنها را اضافه می‌کنیم.
\subsection{پیش‌پردازش دادهها}
تعداد اشیای استخراج شده بسیار زیاد هستند. قبل از انجام عملیات یادگیری مدل بایستی تعدادی از این اشیا را به نحوی از مجموعه داده حذف کرد. برای این منظور عملیات پیش‌پردازشی طی مراحل مختلف روی مجموعه داده انجام دادیم. مهمترین ویژگی در دسترس در تنظیم ابرپارامترهای مدل یادگیری ژرف در اینجا طول اشیای داده‌ای \gls{PDF} است که هم در فرایند آموزش و هم در فرایند تولید نقش تأثیرگذاری دارد. لذا داشتن توزیعی همگن از اشیای \gls{PDF} برحسب طول آنها فرضیه‌ای است که در اینجا در نظر گرفته شده است و در عملیات پیش‌پردازش نیز معیار طول اشیای داده‌ای بوده است. ویژگی طول اشیاء از این منظر مهم است که شبکه \gls{LSTM} بر روی توالی‌های بسیار طولانی عملکرد ضعیفی دارد و بهتر است چنین توالی‌هایی را در نظر نگیریم. مراحل پیش‌پردازش دادهها به‌ترتیب در زیر ذکر شده است.
\begin{enumerate}
%%1
\item {
هر شیء داده‌ای یک موجودیت مستقل درنظر گرفته شده و ابتدا مجموعه داده برحسب طول اشیای داخل آن مرتب گردید. سپس کلیه اشیاء داده‌ای به‌شکل
\begin{LTR}
\texttt{obj\\/\\endobj}
\end{LTR}
و
\begin{LTR}
\texttt{obj\\null\\endobj}
\end{LTR}
از مجموعه داده اولیه حذف شدند؛ زیرا، حاوی بار اطلاعاتی مفیدی نیستند.
}
%%2
\item {
پس از اعمال مرحله 1 تعداد اشیای مجموعه داده به 494979 کاهش یافت. اکنون به‌طور تقریبی هر صدک از مجموعه داده شامل حدود 4950 شیء داده‌ای \gls{PDF} است. برای حذف هرچه بیشتر داده‌های پرت صدک‌های اول و آخر را نیز از مجموعه داده حذف کردیم. به‌این ترتیب در پایان این مرحله تعداد 485080 شیء داده‌ای \gls{PDF} باقی ماند.
}
%%3
\item {
مرحله اصلی پیش‌پردازش خارج کردن داده‌های
\lr{outlier} و
\lr{extreme value}
با استفاده از معیار $iqr$ توسط ابزار
\lr{WEKA}\LTRfootnote{\href{https://www.cs.waikato.ac.nz/ml/weka/}{https://www.cs.waikato.ac.nz/ml/weka/}} \cite{Hall:2009:WDM:1656274.1656278}
است. ورودی این مرحله مجموعه داده مرحله 2 است و خروجی آن حاوی تعداد 477104 شی داده‌ای \gls{PDF} است. برای تعیین دو مقدار نامبرده یعنی
\lr{outlier} و
\lr{extreme value}
به ترتیب از ضرایب 3 برای ضریب \lr{outlier} و 6 برای ضریب
\lr{extreme value}
استفاده شد؛ که مقادیر پیش‌فرض
\lr{WEKA}
برای \gls{Filter}
$iqr$
هستند.
}
%%4
\item{
در این مرحله هدف تقسیم مجموعه داده به سه بخش مجموعه آموزش ، مجموعه ارزیابی و مجموعه آزمون است. از آنجایی که یادگیری مدل ما در حالت بدون نظارت انجام می‌شود\footnote{برچسب‌ها از خود مجموعه آموزش برداشته می‌شوند. }، از مجموعه آزمون فقط برای انتخاب پیشوند جهت تولید اشیای جدید استفاده خواهد شد. به‌عبارت دیگر مدل روی مجموعه آموزش، آموزش داده می‌شود و در هنگام تولید اشیای جدید \gls{PDF} مقادیر اولیه از مجموعه آزمون برداشته می‌شود. برای این منظور $25$ درصد از کل تعداد اشیای \gls{PDF} را برای مجموعه آزمون و $75$ درصد را برای مجموعه آموزش/ ارزیابی در نظر گرفتیم. برای ایجاد این تفکیک نیز از فیلتر
\lr{StratifiedRemoveFolds}
موجود در ابزار
\lr{WEKA}
با دانه اولیه 101 (کوچک‌ترین عدد اول سه رقمی) و مقدار $ fold=3 $ (یعنی بعد از \gls{Shuffle} و تقسیم کل مجموعه داده به 4 قسمت با نسبت‌هایی برابر با مجموعه داده اولیه، قسمت سوم آن برای مجموعه آزمون کنار گذاشته شود) استفاده شد. در نهایت تعداد 357828 شی در مجموعه‌های آموزش/ ارزیابی و تعداد 119276 شی داده‌ای هم در مجموعه آزمون قرار گرفتند.
}
%%5
\item {
در تکمیل مرحله 4، نیاز است تا مجموعه آموزش/ ارزیابی جدا شده، حاوی 357828 شیء خود به دو مجموعه مجزای آموزش و ارزیابی تقسیم شود. برای این منظور این مجموعه آموزش/ ارزیابی به 4 قسمت تقسیم گردید و قسمت چهارم به عنوان مجموعه ارزیابی در نظر گرفته شد. سه قسمت اول هم مجموعه آموزش را تشکیل می‌دهند. درصد تعداد اشیاء هریک از مجموعه‌های آموزش، ارزیابی و آزمون در جدول \ref{tabel:dataset_divding_percentage} آمده است.
}
%%6
\item {
آخرین مرحله پیش‌پردازش \gls{Normalization} متن است. در این مرحله برخی کاراکترهای بسیار کم تکرار (فراوانی نسبی نزدیک صفر) حذف یا با کاراکترهای مناسبی جایگزین شدند. در واقع طی این مرحله اندازه مجموعه واژگان کاراکترها از 96 به 64 تقلیل یافت. علت انجام این مرحله، آن است که کاراکترهای با تعداد کم داده پرت محسوب می‌شوند و به‌دلیل اینکه در مجموعه آموزش تعداد تکرار آنها پایین است عملاً احتمال بسیار ناچیزی به آنها تخصیص داده می‌شود که در واقع ضرورتی به این کار نیست. در عین حال با انجام این کار، حجم مکعب دادهها کمتر شده و فرایند آموزش سریع‌تر انجام می‌شود.\\
}
\end{enumerate}
\begin{table}%[ht]
\caption[نحوه و درصد‌های تقسیم مجموعه داده به مجموعه‌های آموزش، ارزیابی و آزمون]
{
نحوه و درصد‌های تقسیم مجموعه داده به مجموعه‌های آموزش، ارزیابی و آزمون.
}
\label{tabel:dataset_divding_percentage}
\centering
\onehalfspacing
\begin{tabularx}{0.5\linewidth}{p{20mm} p{20mm} p{20mm}}
\toprule[1.5pt] مجموعه & تعداد شیء & درصد
\\
\midrule[1.5pt] آموزش & 268371 & $56.25 $
\\
%\hline
ارزیابی & 89457 & $ 18.75 $
\\
%\hline
آزمون & 119276 & $ 25$
\\
\hline
جمع & 477104 & $ 100$
\\
\bottomrule[1.5pt]
\end{tabularx}
\end{table}
\subsection{انتخاب فایل‌های میزبان}
در
\cite{Godefroid:2017:LML:3155562.3155573}
انتخاب فایل‌های میزبان به‌صورت انتخاب سه فایل با کمترین حجم از پیکره انجام گرفته است. در واقع این انتخاب بدون هدف خاص و کاملاً تصادفی صورت گرفته است. پیرو روش آنها ما نیز برای آزمایش‌های خود سه فایل را به‌عنوان فایل‌های میزبان انتخاب کردیم، با این تفاوت که برای انتخاب فایل‌های میزبان ابتدا میزان پوشش کد را به‌صورت مجزا برای همه فایل‌های
\lr{IUST PDF Corpus}
به‌دست آورده و سپس سه فایل با بیشترین میزان پوشش کد، کمترین میزان پوشش کد و نیز میزان پوشش کد میانگین، به‌ترتیب با نام‌های \lr{host1\_max}، \lr{host2\_min} و \lr{host3\_avg} به‌عنوان فایل‌های \gls{Host}انتخاب شدند. هدف از این کار بررسی تأثیر روش پیشنهادی بر بهبود میزان پوشش کد در فایل‌های با اختلاف پوشش کد زیاد است و سپس انجام آزمون فازی براساس بهترین میزبان است. ما همچنین برای هر آزمایش پوشش کد مجموع هر سه میزبان را با ادغام پوشش کدهای هریک از آنها تحت عنوان
\lr{host123}
گزارش کردیم. این کار کمک می‌کند تا بتوانیم نتایج دو آزمایش کاملاً جدا را در حالت کلی با یدکدیگر مقایسه کنیم.
\subsection{پوشش کد مبنا}
برای آنکه بتوانیم درک معنادار و مقایسه‌پذیری از پوشش کدهای به‌دست آمده در هر آزمایش داشته باشیم. ابتدا پوشش کد مبنا را مطرح، اندازهگیری و گزارش می‌کنیم. پوشش کد مبنا، پوشش کد در غیاب استفاده از روش پیشنهادی برای تولید خودکار داده آزمون است. برای این منظور، ابتدا از مجموعه آزمون، تعداد 1000 شیء داده‌ای \gls{PDF} استخراج و در دو حالت به فایل‌های میزبان تزریق می‌نماییم:
\begin{itemize}
\item {
\textbf{بـروزرسانی یک شیء }(\gls{SOU}):
برای هر فایل میزبان در هر مرحله یک شیء را انتخاب و آخرین شیء میزبان را با آن بازنویسی می‌کنیم، یعنی در واقع تغییر تنها یک شیء از فایل میزبان در هر مرحله بدون توجه به اندازه و تعداد اشیای فایل میزبان.
}
\item {
\textbf{بـروزرسانی چندین شیء }(\gls{MOU}):
تغییر درصد ثابتی از اشیای فایل میزبان در هر مرحله. در این روش ما برای \lr{host1\_max} تعداد
$\frac{1}{5}$، برای \lr{host2\_min} تعداد
$\frac{1}{3}$
و برای \lr{host3\_avg} تعداد
$\frac{1}{4}$
اشیای هر فایل را به صورت تصادفی انتخاب و با اشیای انتخابی از مجموعه آزمون بازنویسی کردیم. یعنی در این روش هر میزبان را به نسبت بیشتری تغییر می‌دهیم، به‌امید اینکه این تغییرات سبب افزایش پوشش کد شود. می‌توان اشیاء را باروش‌هایی غیر از روش تصادفی نیز برای بازنویسی انتخاب کرد؛ به‌عنوان مثال انتخاب براساس ترتیب نزولی یا صعودی \lr{ID} هر شیء یا براساس بزرگی آدرس آنها. در این پایان‌نامه ما فقط روش تصادفی را آزمایش کردیم.
}
\end{itemize}
به این ترتیب سه مجموعه 1000 فایلی از حالت اول و سه مجموعه 1000 فایلی از حالت دوم حاصل می‌گردد که آنها را به ترتیب
\lr{baseline\_sou}\LTRfootnote{\lr{Baseline for Single Object Update}}
و
\lr{baseline\_mou}\LTRfootnote{\lr{Baseline for Multiple Object Update}}
می‌نامیم. پوشش کد هر مجموعه و نیز پوشش کد اجتماع هر سه میزبان به عنوان یک مقدار پایه برای آزمایش‌های بعدی اندازهگیری و تعیین شدند. نمودار شکل \ref{ch5_baseline_code_coverage_crop.pdf} مقادیر پوشش کد مبنا را در مقایسه با پوشش کد هریک از میزبان‌ها به‌صورت تنها نشان می‌دهد. لازم به ذکر است که هر یک از میزبان‌ها پیش از بروزرسانی‌های افزایشی برای تولید داده جدید بررسی شدند و معتبر بودن ساختار آنها تأیید گردید. لذا، صرف انجام این کار به منزله آزمون فازی نخواهد بود؛ زیرا، هنوز دادهها را بدشکل (فاز) نکرده‌ایم. هرچند ممکن است در این فرایند نیز خطایی قابل شناسایی باشد.
\begin{figure}%[ht]%[tbh!]%%[t!]
\centering
\includegraphics[width=\textwidth, clip=true, trim= 0 0 0 0]{chapter5/ch5_baseline_code_coverage_crop.pdf}
\caption[پوشش کد برای هریک از میزبان‌ها و پوشش کدهای مبنا]
{
پوشش کد برای هریک از میزبان‌ها و پوشش کدهای مبنا.
}
\label{ch5_baseline_code_coverage_crop.pdf}
%\ref{ch5_baseline_code_coverage_crop.pdf}
\end{figure}
\subsubsection{مشاهدات}
\begin{itemize}
\item{
میزان پوشش کد هریک از \lr{baseline}ها از پوشش کد فایل میزبان به تنهایی بیشتر است. یعنی تغییر میزبان‌ها منجر به اجرای بلوک‌های پایه جدید و احتمالاً مسیرهای اجرایی جدیدی، شده است.
}
\item {
میزان پوشش \lr{baseline}ها متناسب با میزبان‌ها است. یعنی به‌عنوان مثال \lr{host1\_max} بیشترین پوشش کد را در هر سه حالت تنها، \lr{baseline\_sou} و \lr{baseline\_mou} داشته است. این بدین معنی است که انتخاب فایل میزبان بسیار حائز اهمیت است و بخش قابل توجهی از پوشش کد در هر حالت مربوط به فایل میزبان است.
}
\item {
میزان پوشش کد \lr{baseline\_mou} در تمامی میزبان‌ها از \lr{baseline\_sou} بیشتر است. این بدین معنی است که با افزایش میزان تغییر فایل شاهد افزایش میزان پوشش کد بوده‌ایم.
}
\item {
بیشترین پوشش کد مربوط به اجتماع پوشش کدهای \lr{baseline\_mou} در \lr{host123} است که نشان می‌دهد هر کدام از میزبان‌ها مجموعه دستورات متفاوتی را اجرا کرده‌اند.
}
\item {
درنهایت اعداد و ارقامِ پوشش کد در محدوده 25هزار بلوک پایه بوده که نشان می‌دهد \lr{MuPDF} نرم‌افزاری پیچیده است.
}
\end{itemize}
\section{آزمایش‌ها، یافته‌ها و مقایسه نتایج}
در این بخش آزمایش‌های صورت گرفته و نتایج حاصل از آن را بیان می‌کنیم. همچنین نتایج را با سایر کارهای مرتبط مقایسه خواهیم کرد.
چون \gls{SUT} مورد استفاده در یادگیری و فاز
\cite{Godefroid:2017:LML:3155562.3155573}
برای آزمون دردسترس نبود، ما روش یادگیری و فاز را نیز پیاده‌سازی و آن را روی ابزار \lr{MuPDF} آزمایش کردیم. به‌این ترتیب توانستیم مقایسه معناداری بین روش پیشنهادی خود با این روش، به‌عنوان مرتبط‌ترین کار انجام شده داشته باشیم. نتایج نشان می‌دهد که روش پیشنهادی ما در معیار پوشش کد و همچنین در معیارهای خطا، دقت و سرگشتگی بهبود داشته است و توانسته روش یادگیری و فاز، که در آزمایش‌ها با نام \lr{laf} آن را نشان می‌دهیم، را شکست دهد. روش پیشنهادی ما همچنین نسبت به \lr{AFL} و \lr{AFL}افزوده بهبودهایی داشته است که خواهیم دید.
چون مجموعه داده در مدلهای یادگیری ژرف بسیار مهم است و روی نتایج تأثیر می‌گذارد در هنگام آموزش مدل \lr{laf} مجموعه داده را مطابق مقیاس ارائه شده در
\cite{Godefroid:2017:LML:3155562.3155573}
لحاظ کردیم. بدین زمان آموزش کمتر برای هر دوره در حدود 15 دقیقه به طول انجامید. سایر پارامترها مانند طول توالی‌های آموزشی $d$ را که در مقاله به آن اشاره نشده بود نیز مشابه مقادیر آن در روش پیشنهادی قرار دادیم.
\subsection{سرگشتگی، خطا و دقت مدل‌ها}
جدول \ref{tabel:ppl_and_accuracy} سرگشتی، خطا و دقت مدلهای چهارگانه پیشنهادی و مدل یادگیری و فاز را بعد از گذشت 50 دوره، روی مجموعه‌های آموزش و ارزیابی نشان می‌دهد. سرگشتی مطابق رابطه \ref{ppl} و خطا نیز از رابطه \ref{CrossEntropyLossFunction} برای مدل‌ها محاسبه شده است که در فصل \ref{chapter2} آنها را بیان کردیم. دقت نیز معیاری است که توسط \lr{Keras} برای هر مدل حساب می‌شود. همچنین شکل \ref{ch5_loss_model2_vs_model_laf_crop.pdf} روند تغییرات خطا در فرایند آموزش را برای مدل 2 و مدل \lr{laf} نشان می‌دهد. مدل 2 در این نمودار به‌این دلیل انتخاب گردیده که بیشترین میزان شباهت را از لحاظ معماری و مقادیر اَبرپارامترها با مدل \lr{laf} دارد.
\begin{table}%[ht]
\caption[سرگشتگی، دقت و خطای مدلهای مختلف روی مجموعه‌های آموزش و ارزیابی]
{
سرگشتگی، دقت و خطای مدلهای مختلف روی مجموعه‌های آموزش و ارزیابی.
}
\label{tabel:ppl_and_accuracy}
\centering
\onehalfspacing
\begin{tabularx}{0.95\linewidth}{r p{20mm} p{20mm} p{20mm} p{20mm} p{15mm}}
\toprule[1.5pt]
معیار / مدل &
1 &
2 &
3 &
4 &
\lr{laf}
\\
\midrule[1.5pt]
سـرگــشتـگی &
$1.440$ &
$1.391$ &
$\boldsymbol{1.335}$ &
$1.350$ &
$1.860$
\\
%\hline
بیشینه دقت آموزش &
$0.886$ &
$0.902$ &
$0.893$ &
$0.909$ &
$0.820$
\\
%\hline
بیشینه دقت ارزیابی &
$0.884$ &
$0.895$ &
$0.904$ &
$0.905$ &
$0.800$
\\
%\hline
کمینه خطای آموزش &
$0.353$ &
$0.298$ &
$0.324$ &
$0.276$ &
$0.623$
\\
%\hline
کمینه خطای ارزیابی &
$0.365$ &
$0.330$ &
$0.289$ &
$0.300$ &
$0.724$
\\
\bottomrule[1.5pt]
\end{tabularx}
\end{table}
%\vspace{50mm}
\begin{figure}%[ht]%[ht]%[tbh!]%%[t!]
\centering
\includegraphics[width=\textwidth, clip=true, trim= 0 0 0 0]{chapter5/ch5_loss_model2_vs_model_laf_crop.pdf}
\caption[نمودار تغییرات خطای مدلهای 2 و \lr{laf}]
{
نمودار تغییرات خطای مدلهای 2 و \lr{laf} در دوره‌های 1 تا 50.
}
\label{ch5_loss_model2_vs_model_laf_crop.pdf}
%\ref{ch5_loss_model2_vs_model_laf_crop.pdf}
\end{figure}
\subsubsection{مشاهدات}
\begin{itemize}
\item{
سرگشتگی و خطای همه مدلهای پیشنهادی از مدل یادگیری و فاز کمتر و دقت آنها از یادگیری و فاز بیشتر است. یعنی مدل زبانی عصبی با معماری توضیح داده شده در بخش \ref{sec:model}، در یادگیری ساختار فایل از مدل کدگذار-کدگشا
\cite{Godefroid:2017:LML:3155562.3155573}
بهتر عمل کرده است.
}
\item
{
بیشترین دقت در بین تمامی مدل‌ها مربوط به مدل 4 است. مدل 4 \gls{LSTM} دوسویه است. شبکه \gls{LSTM} دوسویه هنگام آموزش علاوه‌بر کاراکترهای قبلی، کاراکترهای بعدی را نیز در نظر می‌گیرد. بنابراین توانسته است بـه دقت بیشتر دست یابد. کمترین میزان سرگشتگی نیز متعلق به مدل 3 است. این مدل همانطور که در جدول نیز مشخص است دارای کمترین خطای ارزیابی است. البته اختلاف بین مقادیر مختلف در همه مدلهای پیشنهادی کم است که نشان می‌دهد همه مدل‌ها قادر به یادگیری و درک ساختار فایل بوده‌اند.
سرگشتگی بیشینه، حالت بدون استفاده از مدل یادگیری، برای تنظیمات ما برابر 64 (اندازه بردار واژگان) خواهد بود.
}
\item
{
در شکل \ref{ch5_loss_model2_vs_model_laf_crop.pdf}، منحنی خطای مدل 2 در همه دوره‌ها، از منحنی خطای مدل \lr{laf} پایین‌تر است. البته دوره‌ها زمان متفاوتی دارند بنابراین مقایسه نظیر‌به‌نظیر آنها ممکن است جالب به‌نظر نیاید. با این‌حال در بازه زمانی مساوی از شروع فرایند آموزش نیز این وضعیت فوق برقرار است. برای مثال پایان دوره 1 برای مدل 2 مصادف با پایان دوره 12 برای مدل \lr{laf} خواهد بود که باز هم خطای مدل \lr{laf} بیشتر است. ما فرایند آموزش را برای هر دو مدل تا دوره 100 ادامه دادیم و تغییر خلافی مشاهده نشد. چنان‌چه در بخش \ref{sec:epochcompare} خواهیم دید پوشش کد مدل 2 نیز در دوره‌های مختلف از مدل \lr{laf} بالاتر است.
}
\end{itemize}
\subsection{پوشش کد مدلهای مولد}\label{sec:gen_model_cove}
در آزمایش این بخش، مدلهای مولد پیشنهادی خود را برای اولین مرحله تولید داده آزمون محک می‌زنیم. برای تولید داده‌های آزمون جدید از روش نمونه‌برداری و پارامتر تنوع $D$ در همه آزمایش‌ها استفاده کردیم. همچنین هربار با یک پیشوند تصادفی از مجموعه آزمون تولید داده از مدل را شروع می‌کنیم. می‌خواهیم ببینیم برای میزبان‌های مختلف کدام مدل مولد و نیز کدام تنوع تولید داده، به پوشش کد بالاتری دست می‌یابد. هدف مقایسه کارکرد مدل‌ها و انتخاب مناسب‌ترین مدل برای استفاده در آزمون فازی است.
برای این منظور هریک از مدلهای جدول \ref{tabel:deep_model} را به تعداد 50 دوره آموزش دادیم. در پایان هر دوره یک نمونه از مدل آموزش دیده را ذخیره کردیم. سپس مدل با کمترین خطا را از بین نمونه‌های ذخیره شده، برای تولید داده برگزیدیم.
در مرحله بعد برای هر مدل در هنگام تولید داده با هریک از تنوع‌های تولید $0.5$، $1$ و $1.5$، تعداد 1000 فایل \gls{PDF} با هر میزبان تولید کرده‌ایم. یعنی در مجموع با هر مدل و هر میزبان 3000 فایل را تولید می‌کنیم. چون 4 مدل و 3 میزبان داریم، درکل 36000 فایل تولید می‌شود و چون دو روش بروزرسانی شیء
\gls{SOU}
و
\gls{MOU} هم نیاز است در نهایت 72000 فایل تولید می‌کنیم. دقت شود که در این مرحله هنوز عملیات آزمون فازی یعنی فاز ورودی، مشاهده رفتار برنامه در اشکال‌زدا و ذخیره خطاهای احتمالی، اعمال نشده است و تنها تأثیر مدل‌ها، تنوع تولید داده از آنها و میزبان‌ها، بر روی میزان پوشش کد مورد نظر است.
\hspace{0.5mm}
برای مقایسه با
\lr{baseline\_sou}
تعداد 1000 شیء داده‌ای از هر مدل تولید کرده و برای مقایسه با
\lr{baseline\_mou}
تعداد 3000 شیء داده‌ای با هر مدل تولید می‌کنیم.
تولید 1000 فایل
\gls{PDF}
جدید با استفاده از مدل‌ها برای حالت \gls{SOU} (با اندازه بافر
100\footnote{یعنی هر بار یک لیست از 100 شیء توسط مدل مولد بازگردانیده می‌شود.})
به‌طور میانگین 60 دقیقه و برای حالت \gls{MOU} به‌طور میانگین 190 دقیقه به‌طول انجامید. در پایان پوشش کد نرم‌افزار \lr{MuPDF} روی هریک از 72 مجموعه 1000 فایلی اندازهگیری شد. ما همچنین ادغام پوشش‌های کد را برای هر تنوع در قالب \lr{host123} اندازه گرفتیم. اندازهگیری پوشش کد برای هر مجموعه نیز در حدود 60 دقیقه زمان برد. کلیه نتایج به تفکیک میزبان‌ها در شکل‌های \ref{ch5_host1_max_crop} تا \ref{ch5_host123_crop.pdf} ذکر شده است.
\begin{figure}%[hbt]
\centering
%\begin{longtable}{c}
%% \lr{host1\_max}
%\subfigure[برچسب 1]{%[ht]%[tbh!]%%[t!]
\begin{subfigure}{\linewidth}
\centering
\includegraphics[width=\textwidth, clip=true, trim= 0 0 0 0]{chapter5/ch5_host1_max_crop.pdf}
\caption[نمودار تغییرات پوشش کد در تنوع‌های نمونه‌برداری $0.5$ تا $1.5$ برای \_max\lr{host1}]
{
نمودار تغییرات پوشش کد در تنوع‌های نمونه‌برداری $0.5$ تا $1.5$ برای \lr{host1\_max}.
}
\label{ch5_host1_max_crop}
%\ref{ch5_host1_max_crop}
\end{subfigure}
\vspace{0.75cm}
%% \lr{host2\_min}
%\subfigure[برچسب 1]{%[ht]%[tbh!]%%[t!]
\begin{subfigure}{\linewidth}
\centering
\includegraphics[width=\textwidth, clip=true, trim= 0 0 0 0]{chapter5/ch5_host2_min_crop.pdf}
\caption[ تغییرات پوشش کد در تنوع‌های نمونه‌برداری $0.5$ تا $1.5$ برای \lr{host2\_min}]
{
تغییرات پوشش کد در تنوع‌های نمونه‌برداری $0.5$ تا $1.5$ برای \lr{host2\_min}.
}
\label{ch5_host2_min_crop.pdf}
%\ref{ch5_host2_min_crop.pdf}
\end{subfigure}
\vspace{1cm}
\caption[نمودار تغییرات پوشش کد مدلهای مختلف برحسب تنوع.]{
نمودار تغییرات پوشش کد مدلهای مختلف برحسب تنوع.
}
\end{figure}
\begin{figure}%[hbt]
\ContinuedFloat
%% \lr{host3\_avg}
%\subfigure[برچسب 1]{%[ht]%[tbh!]%%[t!]
\begin{subfigure}{\linewidth}
\centering
\includegraphics[width=\textwidth, clip=true, trim= 0 0 0 0]{chapter5/ch5_host3_avg_crop.pdf}
\caption[ تغییرات پوشش کد در تنوع‌های نمونه‌برداری $0.5$ تا $1.5$ برای \lr{host3\_avg}]
{
تغییرات پوشش کد در تنوع‌های نمونه‌برداری $0.5$ تا $1.5$ برای \lr{host3\_avg}.
}
\label{ch5_host3_avg_crop.pdf}
%\ref{ch5_host3_avg_crop.pdf}
\end{subfigure}
\vspace{0.75cm}
%% \lr{host123}
%\subfigure[برچسب 4]{%[ht]%[tbh!]%%[t!]
\begin{subfigure}{\linewidth}
\centering
\includegraphics[width=\textwidth, clip=true, trim= 0 0 0 0]{chapter5/ch5_host123_crop.pdf}
\caption[تغییرات پوشش کد در تنوع‌های نمونه‌برداری $0.5$ تا $1.5$ برای \lr{host123}]
{
تغییرات پوشش کد در تنوع‌های نمونه‌برداری $0.5$ تا $1.5$ برای \lr{host123}.
}
\label{ch5_host123_crop.pdf}
%\ref{ch5_host123_crop.pdf}
\end{subfigure}
\vspace{1cm}
%\end{longtable}
\caption[]{(ادامه.)
نمودار تغییرات پوشش کد مدلهای مختلف برحسب تنوع.
}
\end{figure}
\subsubsection{مشاهدات}
\begin{itemize}
\item {
پوشش کد داده‌های تولیدی از پوشش کد مبنا در اکثر موارد کمتر است؛ زیرا، اشیای تولید شده به خوش‌شکلی اشیای واقعی نیستند. البته دربرخی موارد شاهد افزایش پوشش کد هستیم. از جمله برای \lr{host2\_min}
در حالت \gls{MOU}.
}
\item{
تولید داده با تنوع 1 در بیشتر مدل‌ها و روی اکثریت میزبان‌ها پوشش کد بهتری داشته است. یعنی پارامتر تنوع واقعاً سبب بدشکل شدن و بالا رفتن گوناگونی داده‌های تولید شده و در نتیجه پارامــتری مؤثر بوده است.
}
\item{
افزایش تنوع در مدل \gls{LSTM} دوسویه در حالت کلی سبب افزایش پوشش کد شده است؛ اما در دیگر مدل‌ها خیر.
}
\item{
تقریباً در همه نمودارها داده‌های تولید شده توسط مدل 2، پوشش کد بیشینه را نتیجه داده است. یعنی مدلهای ژرف ساده بهتر از مدلهای ژرف پیچیده همچون \lr{LSTM} دوسویه (مدل 4)، عمل کرده‌اند. به‌همین دلیل مدل 2 با تنوع تولید داده 1 پیروز نهایی این سری از آزمایش‌های ما هستند.
}
\end{itemize}
\subsection{مقایسه با مدل کدگذار-کدگشا}
برای مقایسه با
\cite{Godefroid:2017:LML:3155562.3155573}
ابتدا مدل کدگذار-گشای توضیح داده شده را پیاده‌سازی و آن 50 دوره آموزش دادیم. سپس 1000 فایل \lr{PDF} را با این مدل تولید و پوشش کد مجموع آنها را اندازهگیری کردیم. چون راهبرد نمونه‌برداری برای مدل مذکور نیز بهترین روش گزارش شده است، ما نیز از نمونه‌برداری برای تولید دادهها با این مدل استفاده کرده‌ایم. برای مدلهای چهارگانه خود نیز بالاترین پوشش کد کسب شده در میان همه تنوع‌های آزمایش شده در بخش \ref{sec:gen_model_cove} را به‌عنوان نماینده پوشش کد برای هر مدل انتخاب کردیم. در نهایت دو حالت \gls{SOU} و \gls{MOU} را به‌صورت مجزا مورد ارزیابی و مقایسه قرار دادیم. نتایج در شکل \ref{ch5_cmp_laf} نشان داده شده است. شکل \ref{ch5_cmp_laf_sou_crop.pdf} حالت \gls{SOU} و شکل \ref{ch5_cmp_laf_mou_crop.pdf} حالت \gls{MOU} را نشان می‌دهد.
\begin{figure}%[hbt]
\centering
%% SOU
\begin{subfigure}{\linewidth}
\includegraphics[width=\textwidth, clip=true, trim= 0 0 0 0]{chapter5/ch5_cmp_laf_sou_crop.pdf}
\caption
{
حالت \gls{SOU}.
}
\label{ch5_cmp_laf_sou_crop.pdf}
%\ref{ch5_cmp_laf_sou_crop.pdf}
\end{subfigure}
\vspace{0.75cm}
%% MOU
\begin{subfigure}{\linewidth}
\includegraphics[width=\textwidth, clip=true, trim= 0 0 0 0]{chapter5/ch5_cmp_laf_mou_crop.pdf}
\caption
{
حالت \gls{MOU}.
}
\label{ch5_cmp_laf_mou_crop.pdf}
%\ref{ch5_cmp_laf_mou_crop.pdf}
\end{subfigure}
\vspace{1cm}
%\end{longtable}
\caption[]{
نمودار پوشش کد مدلهای مختلف در مقایسه با مدل \lr{laf} برحسب فایل‌های میزبان.
}
\label{ch5_cmp_laf}
\end{figure}%
\subsubsection{مشاهدات}
\begin{itemize}
\item{
در حالت \gls{SOU} و برای \lr{host1\_max} همه مدلهای پیشنهادی پوشش کد بالاتری داشته‌اند. در همین حالت دو میزبان دیگر اختلاف پوشش کد ناچیز بوده است. اما در حالت اجتماع پوشش کدها یعنی \lr{host123} مدلهای پیشنهادی بهتر ظاهر شده‌اند یعنی هر مدل برای هر میزبان مجموعه دستورات متفاوتی را اجرا کرده است.
}
\item{
در حالت \gls{MOU} مدلهای پیشنهادی ما با اختلاف بهتر هستند. این نشان می‌دهد که تغییر بیشتر فایل‌های میزبان به افزایش پوشش کد، در تعداد داده آزمون مساوی، می‌انجامد. بنابراین حالت \gls{MOU} را برای انجام آزمون فازی توصیه می‌کنیم.
}
\item{
در هر دو حالت اختلاف بین پوشش کد مدل‌ها برای \lr{host2\_min} کمتر و برای \lr{host1\_max} بیشتر به‌چشم می‌خورد. این امر نشان می‌دهد که انتخاب فایل میزبان در مواردی که نیاز به آن هست، مانند فایل \gls{PDF} که ساختار پیچیده‌ای دارد و یادگیری کامل آن به‌آسانی محقق نمی‌شود، بسیار حائز اهمیت است و تأثیر چشم‌گیری روی ارتقاء پوشش کد دارد. این انتخاب نبایست تصادفی انجام شود، چون دیدیم افزایش پوشش کد رابطه مستقیمی با پوشش کد فایل میزبان دارد. بنابراین فایل میزبان با پوشش کد بیشتر را برای انجام آزمون فازی توضیه می‌کنیم.
}
\end{itemize}
\subsection{مقایسه در دوره‌های مختلف}\label{sec:epochcompare}
یک پارامتر قابل ارزیابی که در جدول \ref{tabel:all_parameters} مطرح کردیم و تأثیر آن روی پوشش کد در
\cite{Godefroid:2017:LML:3155562.3155573}
نیز بررسی شده است تعداد دوره‌های آموزش است. به نظر می‌رسد که پوشش کد ارتباط مستقیمی با تعداد دوره‌های آموزش مدل ژرف داشته باشد. برای این منظور پوشش کد 1000 فایل تولید شده با استفاده از مدل 2 را در سه دوره $10$، $30$ و $50$ اندازهگیری کردیم. سپس همین کار را برای مدل \lr{laf} نیز انجام دادیم. برای آن که نتایج قابل اطمینان باشند و اثر پارامترهای تصادفی از بین برود، هر آزمایش را سه مرتبه با سه مجموعه داده مجزا تکرار و میانگین پوشش کدها اندازه گرفتیم. نتایج در شکل \ref{ch5_cmp_epochs_crop.pdf} نشان داده شده‌اند.
\begin{figure}%[ht]%[ht]%[tbh!]%%[t!]
\centering
\includegraphics[width=\textwidth, clip=true, trim= 0 0 0 0]{chapter5/ch5_cmp_epochs_crop.pdf}
\caption
{
نمودار تغییرات پوشش کد برحسب دوره برای مدلهای 2 و \lr{laf}.
}
\label{ch5_cmp_epochs_crop.pdf}
%\ref{ch5_cmp_epochs_crop.pdf}
\end{figure}
\subsubsection{مشاهدات}
\begin{itemize}
\item{
برای هر دو مدل پوشش کد از دوره 10 به 30 افزایش و سپس در دوره 50 کاهش یافته است. یعنی رابطه مستقیم معناداری بین پوشش کد و تعداد دوره‌های آموزش مدل وجود ندارد.
}
\item{
با بررسی مقدار خطای مدل در هر دوره متوجه شدیم تا زمانی که نرخ کاهش خطای مدل در فرایند آموزش زیاد است، پوشش کد نیز افزایش می‌یابد؛ چراکه ساختار فایل بهتر یادگیری شده و در نتیجه مدل قادر به تولید داده‌های خوش‌شکل‌تری خواهد بود. هنگامی که نرخ کاهش خطا از یک حد آستانه کمتر می‌شود، افزایش پوشش کد نیز ثابت شده یا اندکی کاهش می‌یابد.
}
\item{
در همه دوره‌های شکل \ref{ch5_cmp_epochs_crop.pdf} پوشش کد مدل پیشنهادی از مدل \lr{laf} بیشتر بوده است که نشان می‌دهد این مدل ساختار فایل را بهتر یادگرفته است.
}
\end{itemize}
\subsection{آزمون فازی عصبی}
در پنجمین و آخرین آزمایش نرم‌افزار \lr{MuPDF} را با استفاده از فازر پیشنهادی در بخش \ref{ch4_iust_deep_fuzzer_crop.pdf}، مورد آزمون فازی قرار دادیم. برای این منظور الگوریتم‌های فاز عصبی داده و فاز عصبی فراداده (الگوریتم‌های \ref{alg:data_neural_fuzz} و \ref{alg:metadata_neural_fuzz}) را که در بخش \ref{sec:neural_fuzzing_algorithms} معرفی کرده بودیم، پیاده‌سازی و با استفاده از هریک از آنها تعداد $10000$ فایل \gls{PDF} را ایجاد کردیم. تنظیمات پارامترهای ورودی و ثوابت موجود در الگوریتم‌های پیشنهادی به قرار جدول
\ref{table:alg-inputs}
است. ستون آخر جدول
\ref{table:alg-inputs}،
همچنین مقادیر مجاز برای هریک از ورودی‌ها و ثوابت داده شده را نشان می‌دهد. حداکثر طول یک شیء داده‌ای
\lr{PDF}
را در بازه متغیر 450 تا 550 انتخاب کرده‌ایم؛ زیرا، به طور میانگین طول اشیای استخراج شده مجموعه‌های آموزش و آزمون، در این بازه قرار دارد.
در آزمایش‌های آتی خود در نظر داریم تا آزمون فازی را با مقادیر متنوع انتخابی از مجموعه‌های داده شده انجام دهیم و بدین ترتیب قادر خواهیم بود تا اثر هریک از این پارامترها را به طور دقیق‌تری بررسی کنیم.
ما همچنین نسخه‌هایی از الگوریتم‌های \ref{alg:random_fuzz}
\cite{Sutton:2007:FBF:1324770}
و \ref{alg:sample_fuzz}
\cite{Godefroid:2017:LML:3155562.3155573}
را پیاده‌سازی و آزمون فازی را با تولید داده آزمون از طریق این الگوریتم‌ها نیز انجام دادیم. برای حالت تصادفی (الگوریتم \ref{alg:random_fuzz}) از ابزار \lr{FileFuzz} که یک فازر تصادفی تحت سیستم عامل ویندوز است و در بخش \ref{sec:fuzzer} معرفی شد، استفاده کردیم. متأسفانه در روش یادگیری و فاز
\cite{Godefroid:2017:LML:3155562.3155573}،
تقریباً اکثر ابرپارامترهای مورد نیاز در هنگام آزمایش‌ها نامشخص هستند و نویسندگان اشاره‌ای به مقادیر آنها نکرده‌اند. برای این هریک از این ابرپارامترها نظیر
$d$،
ما همان مقدار استفاده شده در الگوریتم‌های روش پیشنهادی را استفاده کردیم، تا بدین ترتیب شرایط یکسانی بر آزمایش‌ها حاصل باشد. در همه آزمایش‌ها، \lr{host1\_max} به‌عنوان میزبان\footnote{در تولید داده آزمون به روش تصادفی و روش مبتنی برجابه‌جایی، به‌جای میزبان، به یک یا تعدادی دانه اولیه نیاز داریم که در اینجا از همان \lr{host1\_max} استفاده گردید.}
استفاده شد. نتایج حاصــل از پوشش کد روش‌های مختلف در جدول \ref{tabel:neural_fuzzing_result} آمده است. همچنین جدول \ref{tabel:neural_fuzzing_result_compare} میزان بهبود در پوشش کد روش پیشنهادی در مقایسه با کارهای مرتبط را نشان می‌دهد.
\begin{table}
\caption{مقادیر مجاز و مقادیر داده شده به ثوابت و ورودی‌های الگوریتم‌های فازی عصبی داده و فاز عصبی فرا داده در هنگام آزمون فازی قالب فایل \lr{PDF} }
\centering
\label{table:alg-inputs}
\begin{tabular}{@{}rrr@{}}
\toprule[1.5pt]
\multicolumn{1}{r}{پارامتر ورودی / ثابت} & \multicolumn{1}{r}{مقادیر استفاده شده} & \multicolumn{1}{r}{مقادیر مجاز} \\ \midrule[1.5pt]
\begin{tabular}[c]{@{}r@{}}\lr{Learnt model M}\end{tabular} & 2 & \begin{tabular}[c]{@{}r@{}}$1,2,3,4, laf$\end{tabular} \\
\begin{tabular}[c]{@{}r@{}}\lr{Sequence prefix P}\end{tabular} & انتخاب از مجموعه آزمون & \begin{tabular}[c]{@{}l@{}} ثابت رشته‌ای\end{tabular} \\
\begin{tabular}[c]{@{}r@{}}\lr{Diversity D}\end{tabular} & 1 & \begin{tabular}[c]{@{}r@{}}$(0, +\infty)$\end{tabular} \\
\begin{tabular}[c]{@{}r@{}}\lr{Fuzzing rate FR}\end{tabular} & $0.10$ & \begin{tabular}[c]{@{}r@{}}$(0,1]$\end{tabular} \\
\begin{tabular}[c]{@{}r@{}}\lr{End token ET}\end{tabular} & \lr{endobj} & \begin{tabular}[c]{@{}r@{}}ثابت رشته‌ای\end{tabular} \\
\begin{tabular}[c]{@{}r@{}}\lr{Binary token BT}\end{tabular} & stream & \begin{tabular}[c]{@{}l@{}}ثابت رشته‌ای\end{tabular} \\
$(a,b)$ & $(450,550)$ & \begin{tabular}[c]{@{}r@{}}$(len(P), +\infty)$\end{tabular} \\
\begin{tabular}[c]{@{}r@{}}$\alpha$ (\lr{DataNeuralFuzz})\end{tabular} & $0.50$ & \begin{tabular}[c]{@{}l@{}}$(0,1)$\end{tabular} \\
\begin{tabular}[c]{@{}l@{}}$\beta$ (\lr{MetadataNeuralFuzz})\end{tabular} & $0.90$ & \begin{tabular}[c]{@{}l@{}}$(0,1)$\end{tabular} \\ \bottomrule[1.5pt]
\end{tabular}
\end{table}
\begin{table}%[ht]
\caption[نتایج پوشش کد حاصل از آزمون فازی نرم‌افزار \lr{MuPDF} با الگوریتم‌های تولید داده آزمون مختلف]
{
نتایج پوشش کد حاصل از آزمون فازی نرم‌افزار \lr{MuPDF} با الگوریتم‌های تولید داده آزمون مختلف.
}
\label{tabel:neural_fuzzing_result}
\centering
\onehalfspacing
\begin{tabularx}{1.0\linewidth}{r r r r r}
\toprule[1.5pt]
الگوریتم تولید داده آزمون / معیار &
پوشش بلوک پایه &
درصد \hspace{15mm} &
پوشش خط‌کد &
درصد
\\
\midrule[1.5pt]
\lr{DataNeuralFuzz} &
$23719$ &
$19.36$ &
$18673$ &
$20.81$
\\
%\hline
\lr{MetadataNeuralFuzz} &
$22583$ &
$18.43$ &
$17894$ &
$19.95$
\\
%\hline
\lr{SampleFuzz} \cite{Godefroid:2017:LML:3155562.3155573} &
$20957$ &
$17.10$ &
$16793$ &
$18.72$
\\
%\hline
\lr{RandomFuzz (FileFuzz)} \cite{Sutton:2007:FBF:1324770} &
$7563$ &
$6.17$ &
$5002$ &
$5.58$
\\
\bottomrule[1.5pt]
\end{tabularx}
\end{table}
\begin{comment}
\begin{table}%[ht]
\caption[میزان بهبود پوشش کد ابزار \lr{MuPDF}توسط الگوریتم‌های روش پیشنهادی در مقایسه با کارهای مرتبط.]
{
میزان بهبود پوشش کد ابزار \lr{MuPDF} توسط الگوریتم‌های روش پیشنهادی در مقایسه با کارهای مرتبط. اعداد داخل جدول به‌صورت درصد هستند. مقادیر هر خانه برابر اختلاف پوشش کد حاصله از الگوریتم‌های ستون و سطر مربوط به آن مقدار است.
}
\label{tabel:neural_fuzzing_result_compare2}
\centering
\onehalfspacing
\begin{tabularx}{0.95\linewidth}{r p{35mm} p{35mm}}
\toprule[1.5pt]
الگوریتم تولید داده آزمون &
\lr{DataNeuralFuzz} &
\lr{MetadataNeuralFuzz}
\\
\midrule[1.5pt]
\lr{SampleFuzz} \cite{Godefroid:2017:LML:3155562.3155573} &
$+2.26$ &
$+1.83$
\\
%\hline
\lr{AFL} \cite{DBLP:journals/corr/abs-1711-04596} &
$+7.73$ &
$+6.80$
\\
%\hline
\lr{Augmented AFL } \cite{DBLP:journals/corr/abs-1711-04596} &
$+7.56$ &
$+6.63$
\\
%\hline
\lr{RandomFuzz (FileFuzz)} \cite{Sutton:2007:FBF:1324770} &
$+13.19$ &
$+12.26$
\\
\bottomrule[1.5pt]
\end{tabularx}
\end{table}
\end{comment}
%\vspace{1cm}
\begin{table}
\caption[میزان بهبود پوشش کد ابزار \lr{MuPDF}توسط الگوریتم‌های روش پیشنهادی در مقایسه با کارهای مرتبط.]
{
میزان بهبود پوشش کد ابزار \lr{MuPDF} توسط الگوریتم‌های روش پیشنهادی در مقایسه با کارهای مرتبط. اعداد داخل جدول به‌صورت درصد هستند. مقادیر هر خانه برابر اختلاف پوشش کد حاصله از الگوریتم‌های ستون و سطر مربوط به آن مقدار است.
}
\label{tabel:neural_fuzzing_result_compare}
\centering
\onehalfspacing
\begin{tabular}{@{}rrr@{}}
\cmidrule[1.5pt](l){2-3}
& \multicolumn{2}{c}{روش پیشنهادی} \\ \midrule[1.5pt]
\multicolumn{1}{r}{روش‌های موجود} & \multicolumn{1}{r}{\lr{DataNeuralFuzz}} & \multicolumn{1}{r}{\lr{MetaDataNeuralFuzz}} \\ \midrule
\lr{SampleFuzz} \cite{Godefroid:2017:LML:3155562.3155573} & $+2.26$ & $+1.83$ \\
\lr{AFL} \cite{DBLP:journals/corr/abs-1711-04596} & $+7.73$ & $+6.80$ \\
\lr{AugmentedAFL} \cite{DBLP:journals/corr/abs-1711-04596} & $+7.56$ & $+6.63$ \\
\lr{RandomFuzz (FileFuzz)} \cite{Sutton:2007:FBF:1324770}& $+13.19$ & $+12.26$ \\ \bottomrule[1.5pt]
\end{tabular}
\end{table}
\subsubsection{مشاهدات}
\begin{itemize}
\item{
الگوریتم فاز عصبی فراداده به پوشش کد کمتری دست پیدا کرده است، زیرا همانطور که انتظار می‌رود دستکاری بخش کوچکی در از قالب فایل ممکن است آن را کاملاً نامعتبر کند و در مرحله اولیه تجزیه توسط تجزیه‌گر رد شود. بنابراین الگوریتم در رسیدن به هدف خود یعنی فاز فراداده موفق بوده است.
}
\item{
هر دو الگوریتم فاز عصبی داده و فاز عصبی فراداده پوشش کد بهتری نسبت به
\lr{SampleFuzz}
داشته‌اند که نشان از عملکرد بهتر مدلهای پیشنهادی در یادگیری ساختار فایل و عملکرد بهتر الگوریتم‌های پیشنهادی در فاز کردن این فایل‌ها دارد. پوشش کد حاصل شده در این آزمایش‌ها همچنین از پوشش کد گزارش شده در
\cite{DBLP:journals/corr/abs-1711-04596}
که حاصل از آزمون فازی \lr{MuPDF} با \lr{AFL} و \lr{AFL} افزوده بیشتر است. اعداد مربوط به آنها قبلاً در بخش \ref{sec:augmented_afl_problems} ذکر شدند. جدول \ref{tabel:neural_fuzzing_result_compare} در این بخش نیز اختلاف این مقادیر را با مقادیر حاصل از پوشش کد روش پیشنهادی نشان داده است.
}
\item{
به‌وضوح می‌توان برتری روش‌های هوشمند تولید داده آزمون را نسبت به روش‌های تصادفی مشاهده کرد. همانطور که در ابتدای این پایان‌نامه گفتیم روش‌های تصادفی در ساختارهای پیچیده پوشش کد بسیار کمی را نتیجه می‌دهند. پوشش کد الگوریتم فاز عصبی داده بیش از 3 برابر الگوریتم فاز تصادفی است.
}
\item{
باوجود استفاده از هوش‌مصنوعی و الگوریتم‌های هوشمند در تولید داده آزمون همچنان شاهد پوشش کد پایینی (کمتر از 20 درصد) در پایان عملیات آزمون هستیم. به‌نظر می‌رسد رسیدن به پوشش کد بالا در ساختارهای پیچیده، با آزمون فازی جعبه سیاه کار دشواری باشد. از طرفی فنون آزمون جعبه سفید مانند روش‌های اجرای نمادین نیز روی این ساختارها به‌علت پیچیدگی بالا و وجود محدودیت‌های فراوان سخت، زمان‌بر و تا حد زیادی غیرممکن است و کماکان آزمون فازی مؤثرتر بوده است.
}
\end{itemize}
\subsubsection{خطاها و آسیب‌پذیری‌های شناسایی شده}
در بررسی گزارش‌های تولید شده توسط \lr{Application Verifier} پس از هر آزمون، هیچ‌گونه خطایی مشاهده نکردیم. باتوجه به‌اینکه ما نسخه نهایی نرم‌افزار \lr{MuPDF} را مورد آزمایش قرار دادیم، تصور می‌شود که بیشتر خطاهای آن در نسخه‌های آزمایشی برطرف شده باشد و در نتیجه پیدا کردن خطای جدید سخت خواهد بود. از طرفی \lr{MuPDF} نرم‌افزاری تحت توسعه فعال و جامعه توسعه‌دهنده و کاربری بزرگی است که سبب می‌شود تا از کیفیت خوبی برخوردار باشد. با این حال الگوریتم فاز عصبی داده چندین مورد استفاده از توابع ناامن را شناسایی کرد که \lr{Application Verifier} آنها را درقالب هشدارهای امنیتی اعلام کرده است.
پیش از آزمایش‌های اصلی ما فازر و \lr{Application Verifier} روی نرم‌افزارهای کوچکی که خطای آنها مشخص بود اجرا کردیم. به‌نظر می‌رسد \lr{Application Verifier} روی ویندوز 10 نسخه 64 بیتی قادر به تشخیص خطاهای حافظه برنامه‌های 32 بیتی نیست؛ زیرا موفق به شناسایی این خطاها نشدیم. برای برنامه‌های 64 بیتی اما این مشکل وجود نداشت. لذا ما هر دو نسخه 32 و 64 بیتی \lr{MuPDF} را مورد آزمون قرار دادیم.
فازر، برنامه \lr{PDF}خوان را با داده آزمون ورودی باز و بعد از 10 ثانیه آن را بسته و برای تزریق داده آزمون بعدی اقدام می‌کند. همزمان پوشش کد و گزارش وضعیت حافظه نیز ثبت و ذخیره می‌شوند. بنابراین زمان آزمون برای هر مجموعه 10000 فایلی حدود 28 ساعت به‌طول انجامید\footnote{\lr{Application Verifier}
و ابزارگذاری کد سربارهایی را به زمان هربار اجرای برنامه اضافه می‌کنند. همچنین فاصله زمانی کوتاهی بین تزریق داده‌های آزمون متوالی درنظر گرفته شد؛ زیرا، در مواردی سقوط برنامه ناشی از خطای دیگر بخش‌های سیستم است. با لحاظ این زمان‌ها از سقوط‌های این چنینی با اطمینان زیادی جلوگیری می‌نماییم.
}.
برای همه نرم‌افزارهای دیگر آزمون به‌این شیوه قابل انجام خواهد بود. گفتیم که آزمون فازی نوعی آزمون فشار است. در نظر داریم تا آزمون فازی با این روش را با استفاده از $100$ هزار فایل تولید شده و حتی بیشتر انجام دهیم. در این صورت امکان سقوط برنامه \lr{MuPDF} افزایش می‌یابد.
\subsubsection{تنوع داده‌های تولید شده}
مدلهای ما در روش پیشنهادی قادر به تولید داده‌های متنوع و به‌صورت کنترل شده بدشکل هستند. الگوریتم فاز عصبی داده به‌خوبی در تغییر محتویات فایل‌های
\lr{PDF}
عمل کرده و می‌تواند فایل‌هایی با داده‌های جدید بدون تغییر در ساختار ایجاد کند. شکل \ref{ch5_amazing_generated_test_data.png} نمونه‌ای از داده‌های تولید شده توسط الگوریتم فاز عصبی داده را نشان می‌دهد. همان‌طورکه در این شکل پیداست فایل‌های \lr{PDF} در عین معتبر بودن حاوی داده‌های جدیدی هستند که با مقادیر مرزی در فرایند تولید داده آزمون جایگذاری شده‌اند. به‌دلیل معتبر بودن تعداد بیشتری از فایل‌های تولید شده توسط الگوریتم فاز عصبی داده پوشش کد این الگوریتم از پوشش کد الگوریتم فاز عصبی فراداده بیشتر است. اما هر دو الگوریتم مورد نیاز هستند؛ زیرا، هرکدام مرحله مجزایی از مراحل پردازش فایل در کد برنامه را هدف آزمون قرار می‌دهند.