TensorMutation 不再重训每个变异体:用神经图上的 GNN 预测预训练变异的权重变化
核心概要
深度学习变异测试长期在成本与真实性之间取舍:预训练变异体更接近真实故障,却要为每个变异体重新训练模型。TensorMutation 把训练好的模型表示成神经图,用受变异条件约束的图神经网络直接预测参数变化,从而在不重训的情况下生成可执行变异体。在 12 个真实故障对象上,它的行为相似度中位数高于后训练工具 DeepMutation++,差异经 Holm 校正后显著;与预训练工具 DeepCrime 及范数匹配随机对照的差异则不显著。
深度剖析
生成变异体不再需要为每个变异体重新训练模型,而是由一次离线训练好的图神经网络对已训练模型直接预测参数改动。 此前预训练变异要重训模型才能得到变异体,后训练算子虽便宜,产生的变异体却与真实故障相差更远。 在 9 个留出对象上,TensorMutation 部分复现了对应 DeepCrime 变异体的行为,联合训练变体的行为交并比中位数为 0.232,行为导向变体为 0.216。
预测过程把模型当作神经图处理:神经元是节点、可训练连接是有向边,图神经网络据此输出每个偏置和权重的改变量。 变异请求被编码成图级条件,通过 FiLM 调制每个节点的隐藏状态,使同一个网络能处理不同算子与配置。 训练语料由 71 个 MLP 分类器、11 个 DeepCrime 预训练算子生成的 25252 对原始模型与变异体组成,其中 25 个对象为新收集。
直接监督权重空间能明显改善预测方向,但行为层面的收益并不均匀。 只用行为目标时预测增量与参考增量的余弦相似度中位数仅 0.080,加入权重空间监督后升到 0.227。 余弦相似度在全部 9 个测试对象上提升,归一化误差中位数从 1.377 降到 1.030;但行为交并比只在 9 个对象中的 5 个上更高。
在真实故障上,TensorMutation 与 DeepMutation++ 的差距是统计显著的,与 DeepCrime 的领先则只是描述性的。 12 个真实故障对象上,联合变体的行为交并比中位数为 0.181,DeepCrime 为 0.130,范数匹配随机对照为 0.117,DeepMutation++ 为 0.058。 与 DeepMutation++ 的配对比较在 10 个非平局对象中赢 9 个,中位差 0.112,Holm 校正后仍显著;与 DeepCrime 和随机对照的差异校正后不显著。
启示与展望
评估对象是 TensorFlow/Keras 实现的多层感知机分类器,变异算子取自 DeepCrime 中会改变训练程序、且保持神经元对应的 11 个算子;真实故障基准为 12 个行为活跃对象。作者提出后续将研究受控的幅度校准、向其他网络家族的泛化,以及利用配对语料学习故障到修复的变换。
范数匹配随机对照在真实故障上也取得了可观相似度,因此学习到的方向在主要比较中带来的额外行为贡献尚未在统计上确立;参数幅度与行为严重程度是两个不同量,二者的校准仍是开放问题。作者也指出,与 DeepCrime 的差异不显著,既不能说明 TensorMutation 超过它,也不能说明两者等价。
