XiaoMi-AI文件搜索系统
World File Search System自动测试
APEX Premier-工业系统有限公司
一般描述 Apex Premier 采用最先进的技术，提供速度监测器中可实现的最高性能。其结果是无与伦比的可靠性和简单的操作。Apex Premier 的核心是智能传感器模块，它负责准确、可重复和即时测量通风柜表面或房间的传输速度。速度测量由超灵敏微桥质量气流传感器进行，响应时间小于 3 毫秒。微桥提供的模拟信号由高分辨率 A/D 转换器数字化，然后由自动测试和校准系统在工作速度范围内进一步增强和工厂校准。校准后的智能传感器模块产生的速度测量是一种极其准确且可重复的信号，适用于所有通风柜应用。Apex Premier 的大脑是其微处理器核心中包含的 APEX 操作系统 (A-OS)。
NS3000 - 电缆仓库 FZCO
智能电池管理 更宽的输入电压窗口和频率公差有助于最大限度地减少电池传输，减少充电和放电循环次数，延长电池使用寿命并优化充电时间。双转换技术可防止各种电源不稳定，从而限制电池传输。并联冗余配置可以将设备连接到公共电池串，以便在一个 UPS 发生故障时也能获得满容量电池。NS3000 使用三种充电模式来满足最常见电池类型的规格，如密封 VRLA、AGM 或湿铅酸、镍镉。温度补偿充电可监控电池温度并相应地调整充电电压率。电池管理系统能够管理手动和自动测试，监控电池健康和剩余寿命。NS3000 UPS 配有内部开关，用于断开内部电池。
自动化软件测试中的机器学习实现：评论
摘要在自动化软件测试中机器学习（ML）的集成代表了一种旨在提高测试过程效率，准确性和范围的变革性方法。本文探讨了在软件测试领域中采用ML技术的理论和实用方面，重点是关键领域，例如测试案例案例生成，缺陷预测和测试套件优化。通过全面的文献综述和案例研究，本研究说明了与ML驱动的测试方法相关的潜在益处。调查结果表明，ML可以显着降低手动干预并提高缺陷检测率，从而促进更可靠的软件交付。本文还解决了ML实施在自动测试和未来研究方向中的好处，以弥合现有差距，并进一步利用ML在软件测试中。
RFlySim - flyeval
无人机自动驾驶系统是安全至关重要的系统，其可靠性和安全性要求日益提高。然而，测试一个复杂的自动驾驶控制系统是一项昂贵且耗时的任务，需要在整个开发阶段进行大量的室外飞行试验。本文提出了一种自动驾驶系统室内自动测试平台，旨在大幅提高无人机的开发效率和安全水平。首先，针对不同类型的飞行器提出了一种统一的建模框架，以便于共享共同的建模经验和故障模式。然后，利用自动代码生成和基于 FPGA 的硬件在环仿真方法开发实时仿真平台，确保软件和硬件层面的仿真可信度。最后，提出了一种自动测试框架，用于在实时飞行仿真过程中遍历测试用例并评估测试结果。在验证部分，通过将得到的结果与实验结果进行对比，验证了仿真平台的准确性和可靠性，并在多旋翼飞行器上的成功应用证明了该平台的实用性。
量子电路调试工具
摘要 — 随着量子程序的规模不断增长，以匹配传统软件的规模，量子软件工程这一新兴领域必须成熟，调试器等工具将变得越来越重要。然而，由于量子计算机的性质，开发量子调试器具有挑战性；偷看量子态的值将导致叠加部分或完全崩溃，并可能破坏必要的纠缠。作为开发完整量子电路调试器的第一步，我们设计并实现了一个量子电路调试工具。该工具允许用户将电路垂直或水平划分为较小的块（称为切片），并管理它们的模拟或执行，以进行交互式调试或自动测试。该工具还使开发人员能够跟踪整个电路和每个块内的门，以更好地了解它们的行为。早期用户对实用性和可用性的反馈表明，使用该工具切片和测试他们的电路有助于使他们的调试过程更省时。索引术语 — 量子电路、调试、量子软件
QuSBT：基于搜索的量子程序测试
为量子程序生成一个测试套件，使其具有最大数量的失败测试是一个优化问题。对于这种优化，基于搜索的测试在经典程序环境中已显示出良好的效果。为此，我们提出了一种基于遗传算法的量子程序测试生成工具，称为 QuSBT（基于搜索的量子程序测试）。QuSBT 可自动测试量子程序，目的是找到具有最大数量失败测试用例的测试套件。QuSBT 使用 IBM 的 Qiskit 作为量子程序的模拟框架。除了实施的方法（即搜索个体的编码、表达搜索问题的适应度函数的定义以及针对两种故障的测试评估）之外，我们还介绍了工具架构。最后，我们报告了使用 QuSBT 测试一组有缺陷的量子程序以评估其有效性的实验结果。存储库（代码和实验结果）：https://github.com/ Simula-COMPLEX/qusbt-tool 视频：https://youtu.be/3apRCtluAn4
二进制级别的指示fuzzing用于无使用后的漏洞
通过利用其他信息，例如（部分）错误堆栈跟踪，补丁或风险操作的操作，的指示模糊着重于自动测试代码的特定部分。 关键应用程序包括错误复制，补丁测试和静态分析报告验证。 最近有指示的模糊引起了很多关注，但诸如无用后（UAF）之类的难以检测的漏洞仍未得到很好的解决，尤其是在二进制层面上。 我们提出了UAF UZZ，这是第一个（二进制级）定向的灰色fuzzer，该灰盒源自UAF错误。 该技术采用了针对UAF指定的量身定制的模糊引擎，轻质代码仪器和有效的错误分类步骤。 对实际情况的错误复制的实验评估表明，就故障检测率，暴露时间和虫子三叶虫的时间而言，UAZ的UZZ明显优于最先进的指示fuzz。 uaf uzz也已被证明在补丁测试中有效，从而在Perl，GPAC和GNU补丁等程序中发现了30个新错误（7 CVE）。 最后，我们向社区提供了一个巨大的模糊基准，该基准专用于UAF，并建立在真实的代码和实际错误上。的指示模糊着重于自动测试代码的特定部分。关键应用程序包括错误复制，补丁测试和静态分析报告验证。最近有指示的模糊引起了很多关注，但诸如无用后（UAF）之类的难以检测的漏洞仍未得到很好的解决，尤其是在二进制层面上。我们提出了UAF UZZ，这是第一个（二进制级）定向的灰色fuzzer，该灰盒源自UAF错误。该技术采用了针对UAF指定的量身定制的模糊引擎，轻质代码仪器和有效的错误分类步骤。对实际情况的错误复制的实验评估表明，就故障检测率，暴露时间和虫子三叶虫的时间而言，UAZ的UZZ明显优于最先进的指示fuzz。uaf uzz也已被证明在补丁测试中有效，从而在Perl，GPAC和GNU补丁等程序中发现了30个新错误（7 CVE）。最后，我们向社区提供了一个巨大的模糊基准，该基准专用于UAF，并建立在真实的代码和实际错误上。
二进制级别的指示fuzzing用于无使用后的漏洞
通过利用其他信息，例如（部分）错误堆栈跟踪，补丁或风险操作的操作，的指示模糊着重于自动测试代码的特定部分。 关键应用程序包括错误复制，补丁测试和静态分析报告验证。 最近有指示的模糊引起了很多关注，但诸如无用后（UAF）之类的难以检测的漏洞仍未得到很好的解决，尤其是在二进制层面上。 我们提出了UAF UZZ，这是第一个（二进制级）定向的灰色fuzzer，该灰盒源自UAF错误。 该技术采用了针对UAF指定的量身定制的模糊引擎，轻质代码仪器和有效的错误分类步骤。 对实际情况的错误复制的实验评估表明，就故障检测率，暴露时间和虫子三叶虫的时间而言，UAZ的UZZ明显优于最先进的指示fuzz。 uaf uzz也已被证明在补丁测试中有效，从而在Perl，GPAC和GNU补丁等程序中发现了30个新错误（7 CVE）。 最后，我们向社区提供了一个巨大的模糊基准，该基准专用于UAF，并建立在真实的代码和实际错误上。的指示模糊着重于自动测试代码的特定部分。关键应用程序包括错误复制，补丁测试和静态分析报告验证。最近有指示的模糊引起了很多关注，但诸如无用后（UAF）之类的难以检测的漏洞仍未得到很好的解决，尤其是在二进制层面上。我们提出了UAF UZZ，这是第一个（二进制级）定向的灰色fuzzer，该灰盒源自UAF错误。该技术采用了针对UAF指定的量身定制的模糊引擎，轻质代码仪器和有效的错误分类步骤。对实际情况的错误复制的实验评估表明，就故障检测率，暴露时间和虫子三叶虫的时间而言，UAZ的UZZ明显优于最先进的指示fuzz。uaf uzz也已被证明在补丁测试中有效，从而在Perl，GPAC和GNU补丁等程序中发现了30个新错误（7 CVE）。最后，我们向社区提供了一个巨大的模糊基准，该基准专用于UAF，并建立在真实的代码和实际错误上。