基于深度学习和信息反馈的智能合约模糊测试方法

主流区块链平台以太坊上频繁发现由不安全编程引起的智能合约安全漏洞。为了提高模糊测试对合约代码的覆盖率，以更全面地检测安全漏洞，提出了一种智能合约模糊测试方法。首先构造智能合约交易序列数据集，再基于深度学习构建智能合约交易生成模型以生成模糊测试初始种子；然后根据覆盖率和分支距离信息，对智能合约进行信息反馈引导的模糊测试，提出了特定的测试用例染色体编码方式，并设计实现了相应的交叉和变异算子。所提方法能有效覆盖智能合约的深层次状态以及严格条件守卫的分支代码。在500个智能合约上进行实验，结果表明，所提方法的代码覆盖率为93.73%,漏洞检测率为93.93%,与ILF,sFuzz, Echidna方法相比，所提方法的代码覆盖率提高了3.80%～25.49%,漏洞检测率提高了4.64%～24.02%。所提方法有助于提升以太坊智能合约安全测试的有效性，具有参考价值。     

基于代码相似性的测试用例重用及生成方法

为在测试用例自动化生成中有效利用现有用例信息，降低测试用例生成成本，提高生成效率，提出一种基于代码相似性的测试用例重用及生成方法。设计基于文本和度量的被测代码相似性检测方法，分别从语法和语义上检测并划分相似类型；针对不同相似类型，采用更名重用和补充重用生成测试用例。将代码相似性应用于测试用例生成，综合考虑代码的语法、语义等多维相似信息，提升代码相似性检测的准确性，能更有效运用重用技术提升测试用例生成效率。实验结果表明，所提方法具有更高的重用召回率和重用精度，在相同时间成本下生成的测试用例覆盖率更高。     

“操作系统”迭代递进式教学方案的探索

针对操作系统这一专业核心课程，探讨了一种新的课程教学方案，按照知识引入、拓展和综合提升的顺序迭代递进，以学生中心，以产出为导向，紧密围绕理论基础、编程实践、理论习题、科研和产业训练有序推进。试行后的课堂调查显示，新方案取得了良好的教学效果。