基于程序频谱的动态缺陷定位方法研究

基于程序频谱的动态缺陷定位是软件自动化调试研究中的一个热点问题,通过搜集测试用例的程序频谱和执行结果,基于特定模型以定位缺陷语句在被测程序内的可能位置.对近些年来国内外学者在该研究领域取得的成果进行系统总结:首先,给出预备知识和基本假设;随后,提出缺陷定位研究框架并识别出框架内一系列可影响缺陷定位效果的内在影响因素,包括程序频谱构造方式、测试套件构成和维护、内在缺陷数量、测试用例预言设置、用户反馈和缺陷修复开销等;接着,对实证研究中采用的评测指标和评测程序进行总结和分析;然后,对缺陷定位方法在一些特定测试领域中的应用进行总结;最后,对该领域未来值得关注的研究方向进行了展望.

基于程序频谱的缺陷定位方法

软件测试是生产可靠软件的重要保障,对测试所发现缺陷的解决可以分为缺陷定位和缺陷修改两个步骤[1],其中的缺陷定位是最耗时的.通常情况下,测试套件中成功执行的测试用例都占绝大多数,对基于程序频谱的缺陷定位方法,应该具备自主调节成功测试用例覆盖比重的能力,以提高方法的可用性.即,随着语句被成功测试用例覆盖的次数增多,该语句的覆盖次数对怀疑率的贡献度应逐渐减小,成功测试用例数的有效处理能提高缺陷定位方法的效果.基于此,本文提出EPStar(EP*)缺陷定位方法,该方法可以有效调整成功执行用例数的影响,以避免成功用例数量对缺陷定位效果的过度影响,从而提高缺陷定位的准确性,通过实验对比,说明了EP*方法比现有的几种缺陷定位方法具有更高的缺陷定位精度.

基于程序频谱的两阶段缺陷定位方法

缺陷定位是软件质量保证中关键且困难的一项工作,随着软件规模的增大,人工进行缺陷定位的成本越来越高,自动化缺陷定位技术成为研究热点。现有的基于程序频谱的缺陷定位技术可以将缺陷定位到程序语句,但对于大型复杂的软件系统,这种定位方法将带来较大的时间花销。针对此问题,提出一种基于程序频谱的两阶段缺陷定位方法,第一阶段为粗粒度定位,将缺陷定位到程序模块;第二阶段为细粒度定位,在定位的程序模块中再将缺陷定位到语句;最后输出可疑语句推荐列表,辅助开发人员的调试工作。实验结果表明,相比于传统的方法,该方案在保证定位效果的前提下平均减少了10.24%的定位时间。

基于程序频谱的故障定位方法在银行软件研发中的应用研究

银行系统的质量会直接影响客户体验,在业务系统发布前提高其健壮性有利于客户获得更好的使用体验。为了确保银行业务系统能够稳定运行,笔者提出基于LOGStar(LOG^(*))的故障定位算法。该算法首先执行一组设定的测试用例获得程序的执行频谱,标记成功和失败用例的覆盖度数据,最后获得程序的故障定位。实验结果表明,LOG^(*)方法能较好地提高故障定位精度,具有较好的故障定位效果。

融合代码静态特征和频谱的软件缺陷定位技术

基于频谱的缺陷定位(spectrum-based fault localization,SBFL)通过分析测试用例的覆盖信息和执行结果信息进行快速定位,是目前最常用的缺陷定位技术。然而,该方法未能充分利用代码中隐含的语义和结构信息。若能将缺陷预测中使用到的代码结构信息和频谱信息融合使用,将有助于进一步提升缺陷定位的效果。为此,提出了一种融合代码静态特征和频谱的软件缺陷定位(fault localization combing static features and spectrums,FLFS)技术。首先,从Halstead等度量元集合中选取度量元指标并进行修改,以适用于度量代码的方法级特征;然后,根据选取的度量元指标提取程序中各个方法的静态特征并用于训练缺陷预测模型;最后,使用缺陷预测模型预测程序中各方法存在缺陷的预测可疑度,并与SBFL技术计算的频谱可疑度进行融合,以定位缺陷所在方法。为验证FLFS的有效性,将其与两种定位效果最好的SBFL技术DStar和Ochiai在Defects4J数据集上进行了对比实验。结果表明,FLFS具有更好的缺陷定位性能,对于E inspect@n指标,当n=1时,FLFS相比DStar和Ochiai分别多定位到16和10个缺陷;对于MRR指标,FLFS相比DStar和Ochiai分别提升了4.13%和1.08%。

PL/M的单片机快速高精度频谱分析程序

在单片机运用系统中，常用 FFT算法对采样信息进行频谱分析，但其存在频谱系数周期性重复和混叠误差，而 FAFT算法能从根本上解决此问题，本文阐述了 PL/M语言的特点，对 FAFT进行了深入研究，给出了算法的流程图，分析了编程中的难点问题，结合单片机实时性的特点，给出了 PL/M的实用的解决方案。

美国海军电磁频谱管理现状解读与分析

本文介绍了美国海军频谱管理组织和全球分布情况,重点分析了其频谱认证、用频协调、频率指配等主要的频谱管理业务流程,论述了美国海军专用的频谱管理信息系统——水面舰艇电磁频谱操作程序的研制背景、功能组成和改进计划,最后给出了美海军频谱管理发展对我海军频谱管理的启示。

针对缺陷根源定位的测试用例生成技术

缺陷根源定位是软件调试的重要阶段,基于频谱的缺陷根源定位方法是软件自动化调试研究中的热点问题,但其定位效果很大程度上取决于测试用例的质量。不同类型软件的测试输入通用性差,随机生成的测试输入则存在过拟合或混杂项过多的问题,导致分析结果误差较大,致使目前该类技术的应用场景有限。针对测试用例生成问题,提出了基于崩溃路径的分阶段探索方法Dgenerate,并实现原型工具Dloc。首先利用二进制插桩手段在程序执行输入阶段于基本块中插桩路径信息,根据此信息将原始测试输入划分为普通型和引导型;然后利用动态能量调度算法探索崩溃相关路径生成高质量的测试用例;最后在原始程序中执行测试用例并追踪执行时信息,通过统计分析的方法有效地定位到程序缺陷根源的位置。文中选取了6个不同类型软件中的15个真实CVE漏洞进行实验,结果显示Dloc生成的测试用例与已有技术相比可以将定位效率平均提升75%,并且Dloc能够以87%的准确性在评分前五的位置中输出缺陷根源相关代码片段,验证了所提方法系统的可行性和实用性。

基于分块切片的软件错误定位技术

鉴于基于谱的软件错误定位技术缺乏依赖分析及存在过多不可区分的语句问题,给出一种基于分块切片的软件错误定位技术BSlicing-SFL(block slicing based software fault localization)的实现方法。基于不可区分块间数据依赖和控制依赖构建系统依赖图并生成分块切片,在此基础之上,统计计算切片内元素可疑度值进行错误定位。通过3个实际应用程序验证了分块切片的约减度及BSlicing-SFL技术的有效性。

基于二次定位策略的软件故障定位

故障定位是软件调试过程中耗力和耗时的活动之一,尤其是对规模大和复杂性高的软件.目前的一些定位技术可分为两类:基于组件和基于语句.前者太粗,不能准确地定位到地方;后者太细,运算复杂度过大.提出一种新技术,称为二次定位策略(double-times-locating,简称DTL),来定位故障:第1次定位,从程序中抽象出函数调用图,再从函数调用轨迹中建立程序谱,最后用基于模型的诊断(model-based diagnosis,简称MBD)对可能含有故障的函数进行排序;第2次定位,利用DStar定位函数中故障的代码行.实验结果表明,该技术比目前基于统计的方法更有效.

嵌入式软件回归测试错误定位方法的研究

由于嵌入式软件的复杂性,决定着嵌入式软件的修改是一项困难的任务,在修改的过程中容易引入新的错误.由此可知嵌入式软件的回归测试在整个软件开发的生命周期中占有重要地位.通过研究几种回归测试错误定位方法,提出一种适用于嵌入式软件的基于程序频谱和原子依赖的回归测试错误定位方法,并且通过实例对该方法进行了说明.

一种基于谓词分层覆盖矩阵的缺陷定位方法

基于程序频谱的动态缺陷定位(spectrum based dynamic fault localization,SFL)可分为基于可执行语句覆盖的方法和基于谓词覆盖的方法。通过分析以上两类方法可以发现:a)基于可执行语句覆盖的方法未考虑谓词错误和执行结果之间的关联;b)基于谓词覆盖的方法只针对谓词进行插桩,最后只计算谓词的可疑度并对谓词进行排序,如果缺陷是非谓词,此类方法无法准确定位缺陷位置;c)忽略了基本块之间的关联和层次特性,将各个基本块看成相互独立的个体。为解决上述问题,首先,将谓词错误与执行结果之间的关联性这一有用信息加入到算法的设计中;其次,加入谓词分层覆盖与分析的思想,对覆盖矩阵中的基本块进行细分和分层;最后,将两者结合,提出一种基于谓词分层覆盖矩阵的缺陷定位方法,即谓词分层覆盖算法Phcm。将西门子程序集作为目标程序,通过与其他三种缺陷定位方法进行对比实验,验证了该方法在提高缺陷定位的精准度和减小代码检查率上的有效性。

基于条件概率的错误定位方法

有效的软件调试是保证软件可靠性的关键。调试旨在发现程序中存在的错误并进行修复,其中错误定位最为烦琐,针对目前性能优异的基于程序频谱的定位方法展开研究。为了能直观地表现程序频谱与执行结果之间的联系,结合条件概率的思想对这种联系进行量化分析,并基于条件概率模型的特征提出了一种新的可疑度计算公式CPStar,该方法采用了不确定性系数Star,通过调节系数的大小提高公式的可用性,可以有效修正成功测试用例的数量对定位效果的不利影响。实验结果表明,提出的CPStar方法可以在一定程度上提高错误定位的准确性与效率,其定位效果优于其他方法。

基于互信息的缺陷定位方法

为充分挖掘执行结果与程序频谱的潜在关系,提出基于互信息的可疑度计算公式MIStar(mutual information star)。通过分析程序在不同测试用例下的执行信息,引用互信息对传统的怀疑度公式进行优化,给每条语句赋予权重值,不断修正不确定性参数Star,获得良好的定位效果。实验结果表明,该方法较其它可疑度算法在准确度上有了明显提高,具备良好的实用价值。

基于条件概率模型的缺陷定位方法

缺陷定位是软件调试的重要阶段,依赖程序频谱信息实现软件缺陷定位,是当前比较行之有效的方法.基于频谱缺陷定位方法应用的前提是,程序频谱和执行结果之间存在的潜在关联.通过经验性分析两者之间的内在关联,借助于统计学的条件概率思想,构建了用以量化分析两者关系强弱的P模型,并基于此提出了基于条件概率的缺陷定位方法.以Siemens套件中的7个程序、Space程序和3个Unix工具程序为基准评测对象,与已有的15种经典缺陷定位方法进行了对比实验.实证研究结果表明,该方法总体上具有更好的缺陷定位效果.

基于软件行为分析的错误定位方法

为提高软件自动错误定位的准确性和效率,提出一种基于软件行为分析的错误定位方法。针对复杂度较高的软件系统,将软件的行为作为分析对象,使用静态行为分析技术对具有相似性的类聚类成簇,降低软件的复杂度;使用动态行为分析技术分析软件运行时的函数调用序列,将函数调用序列量化成函数调用频谱信息,作为类可疑度计算的判断依据。将所提方法应用于基准程序,并与同类方法比较可知,该方法有效提高了软件自动化错误定位效果。

一种新的基于机器学习的缺陷定位方法

缺陷定位是软件调试过程中的重要部分,在这个过程中往往需要花费大量的人力和时间。因此,如何自动且精确地对被测软件进行缺陷定位是目前许多学者关注的问题,其中一些学者将程序频谱与机器学习技术相结合进行缺陷定位,并取得了一些成果。然而,由于在程序频谱的构建中往往只考虑到程序中语句是否被覆盖,并未考虑其被覆盖的次数,这将丢失掉一些程序运行时的信息,从而对定位模型的定位效果造成一定的影响。本文通过对程序频谱的构造技术进行改良并将其与机器学习技术结合,提出了一种新的缺陷定位方法IML,然后将IML与已有的基于机器学习的缺陷定位方法在三个西门子套件测试程序上进行了实验对比。实验结果表明,IML较已有的基于机器学习的缺陷定位方法能取得更好的缺陷定位效果。