随着科技的进步,移动互联网产业获得了飞速的发展,以iOS和Android操作系统为主要代表的移动智能终端在全球范围内得到了迅猛发展与普及。在iOS平台上出现了越来越多的恶意软件、有害软件和“表里不一”的软件,这样的软件会给人们带来巨大的经济损失,严重地威胁到了人们的人身和数据安全。虽然苹果公司针对这些恶意有害的软件推出了App Store审核等相关措施,人们普遍认为iOS系统相比其他系统更加安全,但是还是出现了例如XcodeGhost、YouMi SDK等恶意盗取用户隐私和敏感数据的安全事件,这说明通过了App Store审核过程的软件也可能存在安全隐患问题。所以如何保证移动终端应用的可信性是目前需要解决的问题。本文以iOS应用作为研究对象,研究如何对软件的可信性进行测试。同时,由于软件系统规模越来越庞大,传统的测试方法需要占据软件开发周期大量的时间和资源,因此需要一种高效快速的测试技术,所以测试用例的自动生成也作为本文要解决的问题。近些年来,国内外的研究学者在测试用例自动生成的研究中,将诸如遗传算法、模拟退火算法等启发式寻优算法应用在其中,极大地提升了软件测试的效率。粒子群算法相较于大部分进化寻优算法,具有收敛速度快、调整参数少、通用性强等特点。但是粒子群算法在实际应用中存在算法中后期粒子的多样性缺失、搜索精度降低和容易陷入局部最优解导致呈现早熟性等问题。针对此本文提出一种基于动态自适应与混沌搜索的粒子群算法。本文针对软件测试过程,提出了一种将软件可信性与软件测试用例自动生成技术相结合的测试方法。首先对iOS系统进行分析,并结合行为声明定义提取可信属性,将其作为择优算法的初始输入值。然后在择优算法选取方面,通过本文改进的粒子群算法来完成可信测试用例的自动生成。最终运行结果表明,本文实现的可信测试用例自动生成系统能够在准确验证软件可信性的前提下,同时加快软件的测试流程。