软件错误生命周期的研究及其应用

阐述了在软件测试中错误生命周期的思想,并以一个软件测试管理系统为例,介绍了该思想在具体系统中的应用.对于软件错误管理中的关键文档,给出了模板以供参考.

基于马尔可夫模型的软件错误定位方法

软件调试是软件开发的重要环节.统计错误定位技术通过分析程序执行频谱来估计程序中错误所在的位置.针对不同类型的程序频谱,此类技术建立不同的启发式模型描述程序行为.已有研究表明,其准确度同目标错误和程序类型相关,且不存在某种普遍有效的技术.文中从单元测试的特性出发,探讨预测错误类型的可行性,并采用马尔可夫过程对错误类型进行预测,从错误定位技术备选集中选择适合的技术来实施.实验表明文中方法能够更快地定位程序错误.

结合Craig插值分析的软件错误诊断方法

基于模型诊断(MBD)的理论应用到软件错误定位中取得了一定的效果.但是经典MBD理论基于元件间独立地发生故障这一假设,导致软件错误定位的结果中存在假阳性的诊断.论文对现有基于MBD的软件错误定位方法进行了改进,提出了冲突中元件的冗余分析方法.该方法既包括了基于Craig插值的元件冗余分析机制,同时利用条件语句取值的二元性(真或假)的特点,对冲突中的条件语句元件进行软件错误的无相关分析.实验结果表明:冲突中的元件冗余分析方法可以有效地减少诊断的假阳性率,将诊断结果数减少了48.4%,碰集树生成的结点数减少了47.6%.

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。

面向软件错误检测的数据流分析

程序中某一点的数据流状态与软件的执行路径有关。程序中的部分错误与变量所处的状态相关。提出的MUST数据流和MAY数据流反映了数据流的执行路径具有相关性的特点。根据不同变量的管理特点,从程序的控制结构出发,详细讨论了影响变量状态的各种因素及其之间的关系,提出了基于程序控制结构的、以基本块为最小程序单位的静态数据流分析方法,为精确地进行数据流分析提供了依据。

软件错误注入测试技术研究

论文主要介绍了一种在高可靠性系统中常用的错误注入测试技术,讨论该技术的原理与方法,以及在提高软件质量、增加系统健壮性等方面所发挥的作用。针对系统运行过程中常见的环境异常、外部攻击等问题,通过函数封装和虚拟输入的形式模拟各种错误和异常,用来验证系统的可靠性与健壮性,从而提高系统测试的效果和覆盖。

软件错误的分类、原因及特征

本篇文章列出了软件错误的不同分类方法 ,并对这些不同分类方法进行了比较。分析了引起软件错误的原因及软件发生错误时所具有的特征。

利用变量状态转换模型进行部分软件错误的检测

应用程序中的功能通常是通过对变量的操作来实现。应用程序中变量的操作包括赋值、引用等不同的方式。针对普通变量和指针变量在程序中的使用方式,对变量的状态进行了分析,并根据变量使用的特点,定义了普通变量和指针变量的状态转换模型。在此基础上,给出了与变量有关的软件错误的定义,并讨论了基于变量切片的软件错误的检测方法。

基于小波神经网络的软件错误定位研究

结合小波理论与神经网络实验设计理论,提出了一种小波神经网络的软件错误定位方法。根据对软件运行时信息的收集与分析,通过小波神经网络计算出每条语句的可疑度值,根据可疑度的值按照由大到小的顺序逐条检测程序中的可疑语句来进行错误定位。在实验过程中,选用Siemens Suite套件中132个预先植入错误的程序进行实验,结果表明,基于小波神经网络的软件错误定位方法具有较好的错误定位效果,能过对软件调试工作起到较大的帮助作用。

一个以指令流为参数的软件错误模型

本模型以ＣＰＵ执行的指令流为参数对软件错误进行计数统计，使发现的错误数与软件的性能紧密联系在一起，在给定的软件可靠性要求下，随机选取测试案例时，模型对一条固定的路径所需的测试次数作出了估计，估计时对测试可能引入的新错误作了一定的考虑。

面向软件错误定位与理解的测试执行离散特征筛选

软件错误定位与错误理解是软件调试过程中的重要步骤,然而调试人员利用基于覆盖分析的软件错误定位获取的可疑度,从高到低静态分析每条程序语句的检查方式,与实际软件调试过程并不相符。为了能够筛选更有助于理解错误根源的测试执行,尤其是致使程序失效的失效执行,帮助调试人员进行动态差异化分析,针对失效执行提出基于高可疑度覆盖率、揭示错误潜力和覆盖语句可疑度离散特征的3种优先级策略,针对成功执行提出加权余弦相似度匹配策略。通过将3种失效执行优先级策略与随机选择在常用错误定位技术中进行实验对比,验证了基于覆盖语句可疑度离散特征的失效执行筛选策略能够对筛选前后的错误理解工作量变化产生更强的积极影响和更弱的消极影响,并能够在相同工作量下理解更多的错误,进而更有助于将错误定位结果应用于错误根源的理解。

基于Web的软件错误分析专家系统开发

介绍了软件错误分析专家系统的总体架构、知识表示、推理机制以及Web模式应用的实现方法。该系统可对Internet环境下运行的软件常见错误进行诊断,给出错误分析,提出修改建议,并可解释错误分析过程,给出推理步骤,还具备自学习功能,可不断将新的专家知识充实到知识库,提高自身诊断和推理能力。

基于需求和代码度量的软件错误早期预测研究

软件错误早期预测能够对软件质量控制起到很好的指导作用,同时也降低了软件的开发代价。目前虽然有很多进行软件错误早期预测的研究和方法,但都具有一定的片面性。提出利用需求度量结合静态代码度量的混合度量方法对软件错误进行早期预测,通过NASA的3个数据集进行了测试,并对不同的度量方法在该数据集上产生的结果进行了比较。

基于软件失效链的软件错误行为分类研究

目前软件应用广泛,对软件可靠性要求越来越高,研究软件的缺陷—错误—失效过程,提前预防失效的发生,减小软件失效带来的损失是十分必要的。研究描述软件错误行为的属性有助于独一无二地描述不同的错误行为,为建立软件故障模式库、软件故障预测和软件故障注入提供依据。文中基于软件失效链的理论,分析软件缺陷、软件错误和软件失效构成的因果链,由缺陷—错误—失效链之间的因果关系,进一步分析描述各个阶段异常的属性集合之间的联系。以现有的IEEE软件异常分类标准研究成果为基础,通过缺陷属性集合和失效属性集合来推导出错误属性集合,给出一种软件错误行为的分类方法,并给出属性集合以及参考值,选取基于最小相关和最大依赖度准则的属性约简算法进行实验,验证属性的合理性。

一种基于p-值修正法的软件错误数估算的可靠算法

软件内部错误数估算是降低软件工程风险、保证软件工程顺利实施的重要途径。在当前软件测试中,项目管理人员采用传统的估算策略,但是估算效果往往受制于测试人员独立性等诸多因素的干扰。其中,具有相似背景的测试人员对于测试过程会具有相似认知,这种不独立性使软件错误数的模型估算值往往比真实值偏低。类似潜在因素在软件错误数估算中大量存在,降低了估算准确性。因此,本文基于传统的Hyman估算法提出了一种改进的度量方法(p-值修正法),该方法能有效排除组间人员相关性对Hyman模型的干扰,能在很大程度上提高估算的准确性。同时,该方法易于用户理解、简便易行、可靠性高,可降低软件工程风险,对决策人员有很大帮助,适合普遍推广。

软件错误注入测试技术研究

本文主要介绍了一种先进的软件错误注入测试技术在现代的高可靠性系统中的应用，首先需要对于该技术的原理和方法有深入的认识，这是了解这项技术的基础，然后才能清楚地知道该技术在提高软件质量，增强系统稳定性等各个方面起到的至关重要的作用。系统在运行的过程中会受到诸多因素的影响，比如环境异常以及外部攻击等等，可以通过函数的封装以及虚拟的模拟技术来有效的模拟出各种不同的错误类型，因此就可以更加清楚的知道系统的安全性以及稳定性，使得系统的测试效果达到最佳，覆盖率更加的广泛。

可扩展的软件错误挖掘实例分析与优化

当前随着计算机技术的发展,计算机软件存在规模大、漏洞难以发现的特点,人工审核大规模软件的漏洞花费的人工成本大,在大规模软件中可行性低。因此,基于机器自动挖掘漏洞的方法成为当前研究的热点。基于现阶段具有代表性的可扩展的软件漏洞挖掘工具AFL,针对此工具在挖掘漏洞中存在的问题,例如通过幻数测试困难的问题,并对此问题出现的原因进行分析,并且采用将幻数测试边拆分成为同语义的一系列幻字节测试边的方法对AFL进行改进,取得了不错的效果。

融合语句复杂度的软件错误定位轻量级方法

在程序调试过程中,基于程序谱的软件错误定位(SBFL)技术能提供有效的帮助。为改善SBFL的性能,提出一种组合程序谱、代码行静态属性的软件错误定位排序学习方法,由线性排序支持向量机学习最优错误定位模型。代码行静态属性包括局部变量、类属性、逻辑运算符和方法调用等程序实体的个数。在使用C、C++和Java语言开发的22个实际故障项目上,采用跨工程的形式训练错误定位模型。实验结果表明,新方法比最优SBFL减少了37.1%的最坏策略EXAM和22.6%的平均策略EXAM。还比较了程序语句的3类轻量级特征:结构化类别、变量谱和静态属性。新方法的时间复杂度低,能实时地推荐可能出现故障的语句序列。

华夏之星E2530彩电硬件软故障引发的软件错误综合症检修记实

此机最初故障为无规律出现不稳定的场幅压缩或场抖动现象．画面上偶尔还出现几条红色细线条干扰，曾多次维修未果．遂来我处修理。