本发明公开了一种基于梯度下降优化的模糊测试方法，本方法基于已有的部分测试用例进行梯度求解，已有的测试用例可以根据现有的模糊测试工具生成，并根据测试用例集对基于梯度的平滑神经网络模型进行训练，反向传播确定网络中的权值，基于训练完成的网络模型对每个字节进行梯度求解，对梯度绝对值最大的字节进行变异，生成新的测试用例对神经网络模型反馈进行强化学习。本方法能够让模糊测试用例的变异方向不再随机化，而是生成触发漏洞导向的变异样本，实现更高效的测试用例生成，减少冗余的测试用例对测试产生影响。