深度学习（DL）在图像分类、语音识别等领域达到或超过了人类水平的性能，且被广泛应用于安全关键领域中（自动驾驶、恶意软件检测等）。然而一些原因（如训练数据偏差、模型过拟合或欠拟合），会导致深度学习系统在一些边角案例（corner cases）中表现出意料之外或错误的行为。所以在不输钱需要对深度学习系统进行全面系统的测试。本次报告介绍了深度神经网络（DNN）白盒自动化测试框架DeepXplore，介绍了神经元覆盖率的基本概念，对比了DeepXplore与随机选择测试样本和生成对抗样本方法对于测试覆盖的全面性，最后对DeepXplore的优缺点进行了分析。
深度学习系统的自动化测试简介-王逸洲原创文章，作者：BFS，如若转载，请注明出处：https://www.isclab.org.cn/2020/07/12/%e6%b7%b1%e5%ba%a6%e5%ad%a6%e4%b9%a0%e7%b3%bb%e7%bb%9f%e7%9a%84%e8%87%aa%e5%8a%a8%e5%8c%96%e6%b5%8b%e8%af%95%e7%ae%80%e4%bb%8b/