Out-of-Bounds Array Access Fault Model and Automatic Testing Method Study

Out-of-bounds array access(OOB) is one of the fault models commonly employed in the object- oriented programming language. At present, the technology of code insertion and optimization is widely used in the world to detect and fix this kind of fault. Although this method can examine some of the faults in OOB programs, it cannot test programs thoroughly, neither to find the faults correctly. The way of code insertion makes the test procedures so inefficient that the test becomes costly and time-consuming. This pa- per, uses a kind of special static test technology to realize the fault detection in OOB programs. We first es- tablish the fault models in OOB program, and then develop an automatic test tool to detect the faults. Some experiments have exercised and the results show that the method proposed in the paper is efficient and feasible in practical applications.

基于图可解释网络的软件错误定位

软件错误定位技术旨在通过挖掘程序与测试用例执行数据,提升定位准确性;针对SBFL技术过于依赖二进制覆盖信息的问题,提出一种基于图可解释网络的软件错误定位方法,将测试执行转化为图结构,利用图注意网络建模深度挖掘代码片段隐含的信息及其相互关系,并采用强化学习思想对图注意力网络学习后的决策过程进行解释,从而确定关键节点,缩小错误定位范围;实验的场景设立在Defects4j数据集的5个项目进行,并与SBFL及未经过解释的深度学习方法进行了对比;结果显示,基于图可解释网络的定位方法在Top-1、Top-3和Top-5指标上分别提升了7.26%、7.56%和9.96%,EXAM指数也提升了8.98%,显著优于其他方法。

基于双排队系统的软件可靠性增长模型

针对基于有限排队系统的软件可靠性增长模型(SRGM)忽略软件交付与检测之间的时间延迟问题,提出双排队系统建模技术,构建一个引入故障检测等待延迟和排错等待延迟的SRGM。建模中考虑测试工作量函数(TEF)参与构成的复合型故障检测率(FDR)和不完美排错现象,在4个公开发表的失效数据集上与5个经典SRGM进行比较与分析,验证建立模型的拟合能力和预测能力。实验结果表明,建立的模型在软件可靠性评估和预测方面具有良好性能。

基于抽象语法树的代码静态自动测试方法研究

软件测试是排除软件故障,提高软件质量和可靠性的重要手段。从是否需要执行被测程序角度考虑,软件测试分为静态测试和动态测试。动态测试通过输入测试数据,动态执行程序来发现软件中存在的错误。尽管动态测试能发现部分软件错误,但对于一些特殊类型错误的检测无效。鉴于此,本文采取了一种特殊的静态分析技术来实现对代码的测试。本文首先讨论了传统软件测试方法的缺点和局限性,给出了软件的故障模型,进而提出了基于抽象语法树的静态分析技术,并给出了故障自动检测算法。依据该算法开发了自动化测试工具,给出了实验结果和对比分析,并指出了下一步的研究方向。

数组越界的故障模型及其检测方法研究

数组越界是C程序中的常见故障,该类故障可能造成系统的崩溃。首先针对常见的数组越界故障进行了分析,提出了检测数组越界的判定准则,建立了故障模型。根据该故障模型,采用程序控制流图和路径条件,并结合静态分析思想,给出了可有效地检测出程序中存在的数组越界故障的方法。最后通过实例分析了该方法的应用过程。

软件测试中故障模型的建立

在软件测试中,会碰到各种类型的软件故障,而且这些故障的灵活性很强。这篇文章旨在建立不同类型的故障模型,以便于管理和标准化这些故障。该文建立了6种故障模型,可以覆盖相当数量的软件故障。而且在文章的附录部分给出了试验数据,有效地证明了这些故障模型的建立是非常有意义的。

基于故障注入的仿真测试方法过程框架

在嵌入式系统组成特性和嵌入式软件测试抽象分析基础上,提出了一种基于故障注入的嵌入式软件仿真测试方法。结合故障注入试验过程特点,将故障分析、故障建模和故障注入技术有效地应用于嵌入式软件仿真测试过程中,并对该方法的测试过程框架进行了探讨。

非法计算故障的自动测试方法

基于对程序源代码的静态分析方法,针对程序中的非法计算故障,提出了一种自动测试方法.以非法计算故障的表现形式为基础,将静态分析程序源代码和识别非法计算的过程模型化,建立了静态检测非法计算所需的计算模型,将非法计算故障静态检测过程自动化,给出了非法计算自动测试算法.该方法通过对程序源代码的静态分析,实现了非法计算故障检测的自动化.实验结果表明,该自动测试方法能有效地提高检测非法计算的准确率和自动化水平.

SoC总线串扰的精简MT测试集

多跳变(MT)故障模型是一种有效的总线串扰故障模型,可以测试由电容和电感导致的串扰故障,但是MT的原始测试集存在严重的向量冗余.通过分析MT原始测试集向量冗余的3类情况,利用欧拉回路对测试向量进行组合优化,得到MT精简测试集,同时不损失MT故障覆盖率;还设计了MT故障模型的软件自测试程序来实施MT精简测试集,用于实速在线检测串扰故障,而不需要使用高速测试仪.实验结果表明,采用MT精简测试集可以有效地减少总线串扰测试的时间和向量存储开销.

软件可靠性综合模型的分析和研究

软件可靠性是系统可信性的重要属性之一。首先讨论了传统软件可靠性模型的主要弱点,接着提出了一种新的软件可靠性估算模型。当前,传统的软件可靠性度量模型中并未涉及大多数软件的复杂性及测试用例的有效性,从而使得在评估软件可靠性时不够精确,甚至是错误的。因此,提出了一些改进软件可靠性度量的方法。这些方法的主要思想是将影响软件复杂性的因素和测试用例的有效性并入软件可靠性模型中,以便使得该模型能更精确地反映实际情况。最后,大量的实验结果也表明了该模型的合理性及有用性。

基于频率差异积分的故障定位算法研究

软件故障定位是软件测试实践中最重要的活动之一。目前,利用人工方式通过调试器进行故障定位仍然占据主导地位,故障定位能力常常依赖于人员的知识和经验,调试效率低,调试支持工具相对较弱,对程序员要求高。因此,无论在软件开发阶段还是软件投入使用以后,软件调试和故障定位的自动化技术越来越成为一个有重要价值的研究课题。研究了多种成熟的基于谓词的统计学错误定位技术,分析了典型的参数化和非参数化故障定位统计模型,提出了一种新的基于谓词统计的故障定位算法:频率差异积分算法(Frequency Difference Integration,简称为FDI),突破了现有算法的部分限制;最后对FDI算法进行了验证,并和已有算法进行了对比,验证了其有效性和高效性。借助该研究成果,可以有效提高故障定位的准确率和覆盖率,这对于推动程序自动化调试技术、缩短软件开发周期、降低软件的维护成本具有一定的意义和实用价值。

基于故障注入的嵌入式测绘导航软件测试技术研究

嵌入式测绘导航软件具有故障类型多样、故障难以检测、故障后果严重等特点,对其测试工作提出了挑战.为此,文章提出一种基于故障注入的嵌入式测绘导航软件测试技术,建立了基于故障注入的测试框架,构建了包括故障类型、故障名称、故障输入、可能导致的软件故障和软件预期反应等5个属性的故障模型,列出了导航电文类、接口协议类、处理算法类、软件界面类、系统安全类等几类常见故障,并提出了场景注入法、接口注入法、界面注入法、综合注入法等故障注入方法.应用表明:该技术可有效提高嵌入式测绘导航软件故障检测效率,提升测试的有效性和充分性.

基于SOC中处理器核的串扰故障激励检测

有效地给出了一种新的基于软件自测试的串扰故障渐进式激励检测模型实现 ,这种基于软件自测试的检测方案是利用SOC中的处理器核的计算和处理能力来产生激励矢量 ,对串扰故障进行激励并对测试响应进行分析 .为了提高测试速度 ,还提出了一种对IP核透明化处理的测试结构 ,该测试结构在增加较少额外硬件开销的前提下 ,极大地减少了测试时间 .同时 ,这种改进的测试结构也满足串扰故障激励检测的实时、并行的要求 .

面向方面程序动态横切实现的错误分析

面向方面程序的错误分析是建立有效的面向方面软件测试方法的基础.本文基于主流的面向方面编程语言AspectJ,从动态横切实现角度,针对新引入的方面语言部件的使用,提出面向方面程序中可能出现的两大类共五种错误类型:连接点签名语法匹配错误,连接点控制流行为语义匹配错误,连接点横切功能代码对连接点接口契约的前置条件、后置条件以及不变量的影响造成的错误.通过结合典型实例给出这些错误类型的表现,分析错误的特征,并对各种错误类型进行了测试角度的思考.

引用未初始化变量故障静态测试方法研究

引用未初始化变量故障往往存在于C/C++程序中,该类故障常常会导致系统崩溃.鉴于传统测试方法、编译器和现有静态测试工具检测这类故障的局限性,本文提出了基于引用未初始化变量故障模型的静态测试方法.首先给出了引用未初始化变量的形式化定义,作为研究引用未初始化变量的基础;分析了变量状态及其变化,建立了变量状态集产生模型,作为静态识别引用未初始化变量的前提基础;建立了引用未初始化变量故障模型,作为静态识别引用未初始化变量的依据;提出了引用未初始化变量自动测试算法.实验结果表明,基于引用未初始化变量故障模型的静态测试方法具有较高的故障检测准确率和测试效率,这说明建立的故障模型和自动测试方法是有效的.

非法计算故障的静态测试

针对C/C++程序中的非法计算,形式化定义了非法计算故障;建立了表达式区间运算模型、变量取值区间集产生模型和非法计算故障模型,并将其作为静态识别非法计算的基础;提出了非法计算自动测试算法.实验结果表明,文中方法具有较高的故障检测准确率和测试效率.

基于线性分类算法的软件错误定位模型

基于谱的错误定位(SBFL)方法能帮助程序员减小软件调试的困难。作为一种轻量方法,SBFL只需收集测试用例的覆盖信息和测试结果,计算程序每条语句的运行特征。众多SBFL方法,将四个运行特征组合成不同的可疑度计算公式。然而,这些公式受固定参数的影响,无法适应不同的程序集。因此,提出一种机器学习方法,能自动确定特定程序集的可疑度计算公式。首先,收集已标注错误语句的程序旧版本;再将错误语句与正确语句的运行特征两两相减,构造为训练集的一个样本;最后基于Weka的分类算法,学习到线性函数,作为该程序的错误定位模型。在Siemens程序包、space和gzip三个基准数据集上,使用Logistic、SGD、SMO和Lib Linear学习到的模型,性能都要优于SBFL方法。

一种基于差异分散化的错误定位方法

错误定位技术是当前的研究热点.在各种错误定位方法中,基于最接近执行比较的方法(NN方法)[1]从成功测试执行中,选择与已发现失败执行最接近的一个,和失败执行进行比较,从而定位错误.NN方法是一种非常重要的方法,然而,实验中却发现,对于一些程序,选择最接近的成功执行与失败执行进行比较,并不能取得好的错误定位效果.为探明原因,文中首先对基于成功-失败执行比较的错误定位模型进行了研究,指出了NN方法存在上述问题的根本原因是在选择成功执行时只考虑了其与失败执行的差异数量,而忽略了差异与错误的距离这一因素.据此,提出了一种基于差异分散化的错误定位方法,其主要思想是在适当控制差异数量的同时,选择与失败执行差异最分散的成功执行,来进行错误定位.利用分散化使得部分差异能够接近错误.实验表明,该方法错误定位效果优于NN方法,性能更佳.

考虑故障检测效用与修正效用的软件可靠性增长模型

测试效用是影响软件测试过程的重要因素,其随时间的变化情况直接影响着测试过程中的故障检测和修正的效率,合理地评估测试效用对测试过程的影响是建立精确软件可靠性模型的关键因素。针对现有模型对测试效用认识的不足,严格根据实际测试情况,将测试效用分为故障检测效用和故障修正效用,并在此基础上,建立了综合考虑这两种效用的软件可靠性增长模型。利用公开发表的软件测试失效数据集对模型进行验证,结果表明,与现有的考虑故障检测与修正过程的模型相比,所提模型具有更好的拟合和预测能力。

一种基于故障模型的代码静态测试方法研究

软件测试是排除软件故障,提高软件质量和可靠性的重要手段。基于故障模型的软件测试是软件编码阶段的主流测试方法之一。基于故障模型的代码静态测试技术具有测试效率高、对逻辑复杂故障测试效果好等特点。鉴于此,本文采取一种特殊的静态分析技术来实现对代码的测试。首先讨论传统软件测试方法的缺点和局限性,给出基于故障模型的静态测试方法的优越性;然后在分析过程中,综合应用抽象语法树和控制流图,提出一种基于故障模型的软件测试方法。依据该算法开发自动化测试工具,给出实验结果和对比分析,并指出下一步的研究方向。