چکيده
امروزه پروژه هاي مرتبط با شبكه هاي عصبي به سرعت در حال افزايش است و حجم بسيار زيادي از اين اطلاعات در قالب نورون ظاهر شده است. يكي از مزاياي اصلي استفاده از شبكه هاي عصبي، بهبود فرآيند توسعه نرم افزار است. بديهي است كه با افزايش مقياس و پيچيدگي نرم افزار نيز دشوارتر مي شود. يكي از انواع آنها شبكه هاي عصبي عميق (DNN) است. شبكه هاي عصبي عميق به طور فزاينده اي در برنامه هاي كاربردي مانند ربات هاي خودمختار به كار گرفته مي شوند. براي كاهش ريسك باقيمانده براي رفتار غيرمنتظره DNN و ارائه شواهدي براي عملكرد قابل اعتماد آنها، DNN ها بايد به طور كامل آزمايش شوند. رويكرد تست DeepFault whitebox DNN با به كارگيري اقدامات مشكوك الهام گرفته از محلي سازي خطا شناسايي نورون هاي مشكوك كه وزن آنها به درستي نيست، به اين چالش مي پردازد. DeepFault همچنين از يك الگوريتم هدايت‌شده مشكوك براي تركيب ورودي‌هاي جديد، از ورودي‌هاي طبقه‌بندي شده درست، استفاده مي‌كند كه مقادير فعال‌سازي نورون‌هاي مشكوك را افزايش مي‌دهد. ارزيابي تجربي ما روي پردازش زبان طبيعي در ربات نشان مي‌دهد كه مي توان خطا هاي نورون‌هاي مشكوك را پيدا كرد.
