软件测试作为软件质量把关的重要方式,使用软件测试技术可有助于评估软件的健壮性,从而尽早发现软件中存在的漏洞。组合测试技术作为一种有效的软件测试技术,通常能够检测出由输入参数之间的交互作用引发的软件故障。组合测试用例优先级技术通常需要按照一定标准设置测试用例优先级,然后按照测试用例优先级降序的方式依次选择并执行测试用例。本文对组合测试用例优先级技术进行实证研究,现阶段由于运用到深度神经网络的一类安全攸关领域软件的健壮性引起了人们的广泛关注,并且传统软件的测试充分性标准已经不能直接应用于深度神经网络中,所以选取深度神经网络作为实验对象。目前已有面向深度神经网络的组合密集覆盖标准,本文使用该覆盖标准对深度神经网络中的测试用例按优先级由高到低的顺序进行排序,并对测试用例序列的对抗样本检测能力进行研究。本文主要的研究工作如下:(1)使用组合密集覆盖标准和MNIST数据集、三种实验模型及四组实验样本,统计三种模型下的覆盖率峰值、达到覆盖率峰值时的测试用例集规模,进一步研究组合密集覆盖与对抗样本之间是否存在相关性。经过大量实验,结果表明:面向深度神经网络的组合密集覆盖与对抗样本之间存在相关性。(2)使用组合密集覆盖标准从原始组合测试集中按测试用例优先级降序的方式挑选测试用例。在相同测试用例集下,比较基于组合覆盖的测试用例优先级技术与随机测试的对抗样本检测能力。经过大量实验发现:在深度神经网络测试中,使用组合密集覆盖标准指导测试用例优先级排序不能改善对抗样本检测的能力。(3)分析现有组合测试用例生成工具的一些特点,结合处于报批阶段的《组合测试方法》国家标准,在课题组现有研究成果的基础上完成组合测试工具的实现。