arrow
返回

GIFTbench: Generative image fuzz testing benchmark

delete2026-08-01
delete0
delete
OA
AI
M
Maryam, Maryam
M
Matteo Biagiola *
A
Andrea Stocco
V
Vincenzo Riccio
DOI:10.1016/j.scico.2026.103502delete
delete原文链接
delete分享
delete收藏
查看原文
摘要

摘要

En 中文
GIFTbench是一个模块化框架,用于测试深度学习图像分类器,结合了生成式AI与遗传算法。其架构集成了预训练的生成模型与用户友好的Gradio界面,实现了自动化、可复现且可解释的鲁棒性测试。支持VAE、GAN和扩散模型,GIFTbench通过扰动潜在表示生成测试输入,以暴露被测分类器的异常行为。通过自动化测试输入生成并减少手动编码需求,GIFTbench加速了实验进程,并便于对分类器和生成模型进行对比评估。该框架专为研究人员和从业者设计,支持图像分类器的可复现评估,同时支持对分类器漏洞、变异策略以及生成模型在鲁棒性测试中作用的研究。
Keyword:
Software testing
Generative AI
Search-based software engineering
AI总结

AI总结

对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。

期刊

S
Science of Computer Programming
IF:
1.4
论文数:
50
被引数:
1.6K

机构

T
technical university of munich
学者数:
7.2K
论文数: 2.9K
被引数: 1
U
University of St Gallen
学者数:
98
论文数: 65
被引数: 0
U
university of udine
学者数:
1.3K
论文数: 538
被引数: 0
学者 查看更多机构