一种基于图神经网络的可编程数据平面增量测试方法

本发明涉及一种基于图神经网络的可编程数据平面增量测试方法，包括：1）生成数据平面程序的控制流图，分析程序结构和逻辑，对程序中每个节点设置类型、编号、可达性和变更标志，定义边的起点、终点及转移条件；2）将控制流图转换为图数据对象，通过编码方式嵌入节点和边信息；3）采用GCN模型分析图数据对象，逐层聚合节点特征，同时结合边的条件转移特性，逐步整合节点之间的局部信息；4）动态选择粗粒度或细粒度测试策略；5）通过正则匹配与随机修改生成缺陷代码样本，并结合自动化训练机制优化图神经网络模型性能。该方法通过生成控制流图并结合图神经网络模型对路径依赖关系进行分析，实现了在网络规则频繁更新场景中的高效增量测试。