-
题名LLM生成计算图的深度学习模型编译器缺陷检测
- 1
-
-
作者
潘丽敏
赵智洋
邵思源
罗森林
张浩然
-
机构
北京理工大学信息系统及安全对抗实验中心
-
出处
《北京理工大学学报》
北大核心
2025年第11期1204-1212,共9页
-
基金
国家“二四二”信息安全项目(2020A065)。
-
文摘
深度学习模型编译器缺陷容易引发模型推理崩溃,严重影响模型的可用性和安全性,目前缺陷检测代码行覆盖严重不足、缺陷类型有限.现有方法以局部算子为约束进行检测,多算子交互引发的缺陷触发困难;语义保持的变异策略限制了计算图节点算子的类型造成检测的代码行覆盖不足,较大影响了检出缺陷的数量.本文提出多轮提示LLM构造测试用例的缺陷检测方法,创建提示词引导LLM生成计算图,再掩码掉常用算子替换为非常用算子,多次迭代更新计算图生成多样化测试用例.在多种深度学习模型编译器上的实测结果表明,方法大幅提升了代码行测试覆盖率和检出缺陷数量,可靠性高,实用价值大.
-
关键词
模糊测试
深度学习模型编译器
缺陷检测
大语言模型
-
Keywords
fuzz testing
deep learning model compiler
defect detection
large language model
-
分类号
TP31
[自动化与计算机技术—计算机软件与理论]
-
