一种安全攸关系统的软件安全性保证的实现方法

    公开(公告)号:CN103955427B

    公开(公告)日:2016-08-24

    申请号:CN201410178300.9

    申请日:2014-04-29

    IPC分类号: G06F11/36

    摘要: 一种安全攸关系统的软件安全性保证的实现方法,(1)定义系统的软件安全设计要求,包括软件需求阶段安全性设计要求、软件设计阶段安全性设计要求、软件编码阶段安全性设计要求、软件测试阶段安全性设计要求;(2)根据软件安全性等级,对(1)中的安全性设计要求进行裁剪,并按各项要求实施软件需求、软件设计、软件编码、软件测试的安全性设计;(3)获取软件安全证据,判断安全证据是否满足(2)中各项安全性设计要求;(4)获取系统的软件安全性风险规避措施;(5)验证软件安全性风险规避措施是否可追踪到软件需求、软件设计、软件编码、软件测试。本发明提升了软件安全性保障能力,填补了航天重大工程软件安全性保证的技术空白。

    一种安全攸关系统的软件安全性保证的实现方法

    公开(公告)号:CN103955427A

    公开(公告)日:2014-07-30

    申请号:CN201410178300.9

    申请日:2014-04-29

    IPC分类号: G06F11/36

    摘要: 一种安全攸关系统的软件安全性保证的实现方法,(1)定义系统的软件安全设计要求,包括软件需求阶段安全性设计要求、软件设计阶段安全性设计要求、软件编码阶段安全性设计要求、软件测试阶段安全性设计要求;(2)根据软件安全性等级,对(1)中的安全性设计要求进行裁剪,并按各项要求实施软件需求、软件设计、软件编码、软件测试的安全性设计;(3)获取软件安全证据,判断安全证据是否满足(2)中各项安全性设计要求;(4)获取系统的软件安全性风险规避措施;(5)验证软件安全性风险规避措施是否可追踪到软件需求、软件设计、软件编码、软件测试。本发明提升了软件安全性保障能力,填补了航天重大工程软件安全性保证的技术空白。

    一种基于遗传算法的数据流测试用例自动生成方法

    公开(公告)号:CN103593287B

    公开(公告)日:2016-08-17

    申请号:CN201310524293.9

    申请日:2013-10-30

    IPC分类号: G06F11/36 G06N3/12

    摘要: 本发明公开了一种基于遗传算法的数据流测试用例自动生成方法。目前基于遗传算法的数据流测试用例自动生成技术中,遗传算法的交叉、变异点随机选取在个体基因中的任意位置,产生优良基因的同时也存在破坏已有优良基因的可能;子代种群的个体最大适应度值无论是否大于父代的个体最大适应度值,都向下继续遗传,延长了迭代过程。本发明在计算适应度函数时找到不满足目标路径的具体分支,利用该分支的结构信息约束遗传算法交叉、变异操作的范围,同时通过比较子代与父代种群中个体的最大适应度值,抛弃那些低于父代适应度值的子代,从而确保了优良基因的传递,降低了迭代次数,提高了计算效率。

    一种基于抽象解释和模型验证的运行时错误分析方法

    公开(公告)号:CN103617115B

    公开(公告)日:2016-02-10

    申请号:CN201310529070.1

    申请日:2013-10-30

    IPC分类号: G06F11/36

    摘要: 一种基于抽象解释和模型验证的运行时错误分析方法,本发明包括以下步骤:基于抽象解释理论,采用前向迭代方法分析程序数值变量值范围,获得程序点达到稳定时的变量值范围信息,对于循环节点的迭代计算采用循环展开和延迟拓宽相结合的方法实现;根据待分析的运行时错误类型,在相关需要检测的程序点处将变量值范围信息转化为断言或假设形式插入程序中;将带有断言和假设的程序转化为布尔公式,其中布尔公式包括限制条件和属性;使用SAT验证器判断布尔公式中属性的正确性。若正确,说明不存在相关运行时错误;若不正确,说明存在相关运行时错误,并输出相关的反例路径。本发明实现了在运行时错误分析精度和效率之间取得一个平衡点。

    一种基于遗传算法的数据流测试用例自动生成方法

    公开(公告)号:CN103593287A

    公开(公告)日:2014-02-19

    申请号:CN201310524293.9

    申请日:2013-10-30

    IPC分类号: G06F11/36 G06N3/12

    摘要: 本发明公开了一种基于遗传算法的数据流测试用例自动生成方法。目前基于遗传算法的数据流测试用例自动生成技术中,遗传算法的交叉、变异点随机选取在个体基因中的任意位置,产生优良基因的同时也存在破坏已有优良基因的可能;子代种群的个体最大适应度值无论是否大于父代的个体最大适应度值,都向下继续遗传,延长了迭代过程。本发明在计算适应度函数时找到不满足目标路径的具体分支,利用该分支的结构信息约束遗传算法交叉、变异操作的范围,同时通过比较子代与父代种群中个体的最大适应度值,抛弃那些低于父代适应度值的子代,从而确保了优良基因的传递,降低了迭代次数,提高了计算效率。

    一种基于抽象解释和模型验证的运行时错误分析方法

    公开(公告)号:CN103617115A

    公开(公告)日:2014-03-05

    申请号:CN201310529070.1

    申请日:2013-10-30

    IPC分类号: G06F11/36

    摘要: 一种基于抽象解释和模型验证的运行时错误分析方法,本发明包括以下步骤:基于抽象解释理论,采用前向迭代方法分析程序数值变量值范围,获得程序点达到稳定时的变量值范围信息,对于循环节点的迭代计算采用循环展开和延迟拓宽相结合的方法实现;根据待分析的运行时错误类型,在相关需要检测的程序点处将变量值范围信息转化为断言或假设形式插入程序中;将带有断言和假设的程序转化为布尔公式,其中布尔公式包括限制条件和属性;使用SAT验证器判断布尔公式中属性的正确性。若正确,说明不存在相关运行时错误;若不正确,说明存在相关运行时错误,并输出相关的反例路径。本发明实现了在运行时错误分析精度和效率之间取得一个平衡点。