在本文中,我们提出了一个预测定向灰盒模糊测试器 DeepGo,它可以结合历史和预测信息来引导 DGF 通过最佳路径到达目标站点。我们首先提出路径转换模型,该模型将 DGF 建模为通过特定路径转换序列到达目标站点的过程。突变产生的新种子将导致路径转换,而高奖励路径转换序列对应的路径表示通过它到达目标站点的可能性很高。然后,为了预测路径转换和相应的奖励,我们使用深度神经网络构建虚拟集成环境 (VEE),它逐渐模仿路径转换模型并预测尚未采取的路径转换的奖励。为了确定最佳路径,我们开发了一个强化学习模糊测试 (RLF) 模型来生成具有最高序列奖励的转换序列。RLF 模型可以结合历史和预测的路径转换来生成最佳路径转换序列,以及指导模糊测试突变策略的策略。最后,为了练习高奖励路径转换序列,我们提出了行动组的概念,全面优化模糊测试的关键步骤,实现高效到达目标的最优路径。我们在 2 个基准测试套件(共 25 个程序,100 个目标站点)上对 DeepGo 进行了测试。实验结果表明,与 AFLGo、BEACON、WindRanger 和 ParmeSan 相比,DeepGo 在到达目标站点方面分别实现了 3.23 倍、1.72 倍、1.81 倍和 4.83 倍的加速比,在暴露已知漏洞方面分别实现了 2.61 倍、3.32 倍、2.43 倍和 2.53 倍的加速比。
新提交的提交容易将漏洞引入程序。作为一种有前途的对策,可以使用定向灰盒模糊测试器通过将提交更改位置指定为目标来测试提交更改。但是,现有的定向模糊测试器主要侧重于达到单个目标,而忽略了对其他受影响代码的多样化探索。因此,它们可能会忽略在远离更改位置的位置崩溃的错误,并且在多目标场景中缺乏直接性,这在提交测试的背景下都很常见。在本文中,我们提出了一种直接灰盒模糊测试器 WAFLG O ,以有效发现提交引入的漏洞。WAFLGO 采用一种新颖的关键代码引导输入生成策略来彻底探索受影响的代码。具体而言,我们确定了两种类型的关键代码:路径前缀代码和数据后缀代码。关键代码首先引导输入生成逐渐、增量地到达更改位置。然后,在保持关键代码可达性的同时,输入生成策略进一步鼓励在探索受影响代码时生成输入的多样性。此外,WAFLGO 引入了一种轻量级多目标距离度量,用于直接和彻底检查所有更改点。我们实现了 WAFLG O,并使用提交引入的 30 个真实错误对其进行了评估。与 8 种最先进的工具相比,WAFLGO 实现了平均 10.3 × 的加速。此外,WAFLGO 在测试最近 50 次提交的真实软件(包括 libtiff、fig2dev 和 libming 等)时发现了 7 个新漏洞,其中包括 4 个 CVE。
图 1.改革后的解放军结构 ......................................................................................................................9 2.解放军高级军官,按级别划分(2015 年和 2021 年) ........................................................................10 3.解放军高级军官,按军种划分(2015 年和 2021 年)(%) .............................................................................12 4.陆军关键联合作战岗位军官(2015-2021 年)(%) .............................................................................12 5.解放军高级军官,按军种与军种人力份额划分(2022 年)(%) .............................................................................13 6.解放军高级军官,按类型划分(2015 年和 2021 年)(%) .............................................................................14 7.解放军高级军官年龄/经验年限,按职等划分(2021 年)................................................................................................................................17 8.过去 10 年的地理轮换(%)................................................................................................................19 9.过去 10 年的地理轮换,按职位类型划分(%).............................................................................20 10.过去 10 年的跨职能轮换(%).............................................................................................21 11.过去 10 年的职位类型轮换(%).............................................................................................22 12.过去 10 年(2015 年和 2021 年)的联合任务(%).............................................................23 13.过去 10 年的联合任务,按职等划分(%).............................................................................23 14.过去三年的联合任务各职级,按职务划分(2016-2022 年).....24 15.过去 10 年的联合任务,按部队划分(%).............................................................25 16.战区指挥官的职业发展,2016-2021 年.........................................................................27 17.各部队指挥官的职业发展,2016-2021 年.........................................................................27 18.解放军高级军官,按军种/战区划分(2015 年 vs. 2021 年).............................................31 19.各集团军的先前职务(2015 年 vs. 2021 年).............................................................31 20.在中央党政机关任职的解放军高级军官(2021 年).............................................................33 21.中共决策机关成员等级(2021年)......................................................34 22.第十三届全国人民代表大会代表(2021年).......................................35
加州正面临前所未有的、日益严重的森林和野火危机。数十年的防火措施,加上气候变化日益加剧的影响,使全州野火的规模和强度急剧增加。2021 年野火季带来了新的记录、影响和图像:有记录以来第一场席卷内华达山脉的野火;格林维尔和灰熊平原等城镇被毁;还有世界上最大的树木——巨型红杉——被阻燃箔包裹的照片。然而,2021 年也证明了规定火灾和其他森林管理活动的有效性,这些处理对于在卡尔多和 KNP 综合火灾期间保护柯克伍德、波洛克松树和迈耶斯社区以及红杉国家公园的巨型森林至关重要。
然而,正是因为欧洲已经跌至谷底,且不受投资者青睐,才有可能实现强劲复苏。在“灰天鹅”情景下,特朗普政府在贸易、能源和国防方面对欧洲施压,但成功缓和了乌克兰战争,并有助于进一步平息中东战争。这引发了整个欧洲大陆的情绪转变以及全球投资者的风险认知。此外,2 月底举行的德国全国大选产生了一个新政府,授权改革“债务刹车”(限制德国债务水平的规则)并促进增长。这也许不是一场全面的凯恩斯主义革命,但德国令人惊讶地实现了占 GDP 近 2% 的财政刺激,同时还实施了供给侧增长改革。但德国只是这一转机故事的一部分。更高的增长还与整个欧洲大陆国防开支的增长有关,由于大部分生产链都是区域性的,国防开支的财政乘数特别高。这也意味着美国武器进口量增加,但除了承诺长期大规模购买美国能源外,这也有助于欧洲避免与美国发生长期贸易战。虽然价格结构可能高于之前的俄罗斯天然气供应,但它保留了许多欧洲行业的竞争力——尤其是在其他贸易国家仍受到美国贸易紧张局势影响的情况下。
摘要:目的:研究的目的是定量评估微针中疗法在减少皮肤变色方面的有效性。使用灰级共同出现矩阵(GLCM)方法分析结果。材料和方法:研究了12至68岁的12名女性前臂(7×7厘米)的皮肤。使用含有12%抗坏血酸的制剂的皮肤化剂进行微针中疗。每位志愿者都接受了一系列四个微针中疗治疗。使用图像分析和处理方法对治疗的有效性进行了量化。在一系列化妆程序之前和之后,以交叉极光拍摄了一系列临床图像。然后,通过确定灰级共发生矩阵(GLCM)算法的参数来分析处理的区域:对比度和同质性。结果:在图像预处理期间,将志愿者的临床图像分为红色(R),绿色(G)和蓝色(B)通道。与手术前拍摄的照片相比,手术后拍摄的照片显示出皮肤亮度的增加。治疗后皮肤亮度的平均增加为10.6%,GLCM对比度的平均下降为10.7%,平均同质性增加了14.5%。基于分析,在RGB量表的B通道中进行的测试中观察到GLCM对比度的最大差异。随着GLCM对比的减少,术后同质性的增加为0.1,为14.5%。
鉴于激烈的全球竞争,欧洲的决策者承认电子行业面临的挑战。推出大规模投资和支持措施以推动创新,例如 ECSEL、PENTA、IPCEI,是加强这一关键经济部门的重要一步。欧洲需要为整个欧洲电子行业制定长期愿景和战略,以保持其竞争优势并促进价值创造。在这方面的一项重大贡献是修订欧盟电子战略。同时,工业和社会的数字化是一个大趋势,迫切需要电子作为硬件构建模块,与软件、通信、计算、机器人和光子学等其他领域进行补充和互动。
软件开发是一个持续、渐进的过程。开发人员不断以小批量而非一次性大批量的方式改进软件。小批量的高频率使得使用有效的测试方法在有限的测试时间内检测出错误变得至关重要。为此,研究人员提出了定向灰盒模糊测试 (DGF),旨在生成针对某些目标站点进行压力测试的测试用例。与旨在最大化整个程序的代码覆盖率的基于覆盖范围的灰盒模糊测试 (CGF) 不同,DGF 的目标是覆盖潜在的错误代码区域(例如,最近修改的程序区域)。虽然先前的研究改进了 DGF 的几个方面(例如电源调度、输入优先级和目标选择),但很少有人关注改进种子选择过程。现有的 DGF 工具使用主要为 CGF 定制的种子语料库(即一组覆盖程序不同区域的种子)。我们观察到,使用基于 CGF 的语料库限制了定向灰盒模糊测试器的错误查找能力。为了弥补这一缺陷,我们提出了 TargetFuzz,这是一种为 DGF 工具提供面向目标的种子语料库的机制。我们将此语料库称为 DART 语料库,它仅包含与目标“接近”的种子。这样,DART 语料库就可以引导 DGF 找到目标,从而即使在有限的模糊测试时间内也能暴露漏洞。对 34 个真实漏洞的评估表明,与基于 CGF 的通用语料库相比,配备 DART 语料库的 AFLGo(一种最先进的定向灰盒模糊测试器)可以发现 10 个额外的漏洞,并且平均在暴露时间上实现了 4.03 倍的加速。
软件开发是一个持续、渐进的过程。开发人员会以小批量而非一次性大批量的方式不断改进软件。小批量的高频率使得使用有效的测试方法在有限的测试时间内检测出错误变得至关重要。为此,研究人员提出了定向灰盒模糊测试 (DGF),旨在生成针对特定目标位置进行压力测试的测试用例。与旨在最大化整个程序的代码覆盖率的基于覆盖范围的灰盒模糊测试 (CGF) 不同,DGF 的目标是覆盖潜在的错误代码区域(例如,最近修改的程序区域)。虽然先前的研究改进了 DGF 的几个方面(例如电源调度、输入优先级和目标选择),但很少有人关注改进种子选择过程。现有的 DGF 工具使用主要针对 CGF 定制的种子语料库(即一组覆盖程序不同区域的种子)。我们观察到,使用基于 CGF 的语料库会限制定向灰盒模糊测试器的发现错误的能力。为了弥补这一缺陷,我们提出了 TargetFuzz,这是一种为 DGF 工具提供面向目标的种子语料库的机制。我们将此语料库称为 DART 语料库,它仅包含与目标“接近”的种子。这样,DART 语料库就可以引导 DGF 找到目标,从而即使在有限的模糊测试时间内也能暴露漏洞。对 34 个真实漏洞的评估表明,与基于 CGF 的通用语料库相比,配备 DART 语料库的 AFLGo(一种最先进的定向灰盒模糊测试器)可以发现 10 个额外的漏洞,并且平均暴露时间加快了 4.03 倍。
一些编号为 Tu-95MS6 的飞机没有外部挂载点,因此仅在机管内的内部舱内配备了 6 枚 Kh-55。另一架 Tu-95MS 在机翼下配备了 4 个附加锚点,理论上可额外携带 10 架 Kh-55(每个机翼下,内侧发动机和机身之间有一个双支撑,还有一个三支撑发动机短舱之间):该型号称为 Tu-95MS16。自2015年起,Tu-95MS机翼下可携带8枚独立隐形Kh-101巡航导弹(核版本为Kh-102),射程为5000公里。导弹重 2,400 kg,包括预留的 400 kg 负载,长近 7.5 m,翼展(机翼展开)为 5 m。该导弹的飞行速度为1000公里/小时,精度为15-20m。