基于函数调用路径的测试用例优先级排序

基于覆盖的优先级排序技术通常以代码覆盖信息作为测试用例的特征加以度量,忽略了其他优先级的影响因素,缺乏全面性和动态性。针对该问题,提出基于函数调用路径的测试用例优先级排序方法。以函数调用路径为基础,通过对源代码新旧版本的对比,分析回归测试影响域,确定回归测试用例集的范围。将测试用例函数调用路径覆盖能力、单元测试时函数中检测出缺陷的个数,以及函数的扇入系数等影响因素应用于优先级排序,确定测试用例优先级量化方法,并在测试执行过程中,通过调整算法实现优先级的动态调整,优化优先级排序。实验结果表明,优先级量化方法能提高测试的缺陷检测率,发现程序中的缺陷,降低测试成本。

基于函数调用的路径覆盖生成技术研究

针对目前路径覆盖方法所存在的缺陷,提出了一种新的基于函数调用的路径覆盖生成方法.根据控制结构与函数调用语法,获取全部的静态函数调用路径,依据程序执行后的动态路径信息,判断测试用例是否覆盖了程序变更部分及受影响部分.该方法既能避免路径数目的急剧增长,又可以保证测试完全.

基于二进制补丁比对的软件输入数据自动构造

在软件二进制补丁比对结果的基础上,提出一种基于目标的适应值函数模型。该模型对同一种群中所有个体评估,寻找优秀个体以遗传到子代中,产生能够到达或接近到达可疑函数的个体数据。该算法不需要源码。实验结果表明,该算法简化了逆向分析人员构造软件畸形数据的过程,为其快速触发软件脆弱点创造了条件。

基于函数调用路径关联分析的缺陷定位方法研究

缺陷关联使得目前的缺陷定位方法面临着严峻挑战,为了快速准确定位软件缺陷,保证软件产品质量,对定位方法的改进势在必行。基于函数调用路径(function calling path,FCP)技术,把缺陷定位的整体粒度由语句级提升到函数级。依据失效原理和FP-树分析缺陷关联,逐步缩减缺陷定位问题空间为"执行路径—路径节点—节点语句",获得缺陷关联拓扑图,局部细化缺陷函数到细粒度,并提出了基于函数排名的评价方法。实验结果表明,FCP缺陷定位方法可有效缩减查找缺陷时的代码审查范围,提高软件缺陷定位的精度和效率。该方法为基于路径分析的缺陷定位提供了理论依据和实践方法,并保证测试的安全进行。

面向C#的函数调用路径生成

C#作为一种面向对象的高级语言,由于其搭载环境Visual Studio功能强大、可视性强、更新较快,而逐渐成为软件开发中的常用语言。由于C#语言包含类、对象、命名空间、重载、委托等多变而又复杂的形态,给C#程序的理解和测试带来了很大困难。提出一种基于Visual Studio的代码图提供的信息提取C#函数调用路径的方法。首先从代码图的XML表示——DGML的信息中获取函数、类及函数的依赖关系信息,以此为基础对源程序进行分析,提取函数调用关系树,将局部的函数调用关系树组合成全局的函数调用关系树从而得到整个软件系统的全局静态函数调用路径。实验表明,此方法能够较为准确生成C#程序的函数调用路径,从而有助于开发人员对C#程序的理解和测试,也为测试用例的自动生成奠定了基础。

基于函数调用路径的数据流分析错误定位

软件调试过程中,如何高效准确地定位软件中的错误一直是一个重点也是难点。而数据是程序的中心,由数据引起的错误是软件系统中常见的。就软件测试中的错误定位针对C源程序提出一种基于函数调用路径的数据流分析的技术,着重分析程序中的数据流信息,沿着函数调用路径分析数据流的变化结合程序切片的思想来定位软件中的错误。仿真结果表明:基于函数调用路径的数据流分析错误定位方法能够有效地检查出程序中存在的与变量相关的错误。

基于神经网络的面向函数调用路径的错误定位

为了提高程序中错误定位的准确性,提出了将BP神经网络与函数调用路径测试准则相结合的方法,依据程序的结构特点,采用分步式定位的思想,减少错误定位的范围。首先执行依据函数调用路径准则生成的测试用例获取错误定位所需信息,然后通过差异计算方法将错误定位到函数,最后针对存在错误的函数利用改进的BP神经网络定位方法将错误定位到语句,实现错误的有效定位。实验表明,该方法与已有的BP神经网络错误定位方法相比不仅提高了错误定位的效率,而且还提高了准确率。

基于遗传算法的函数级别软件错误定位

针对软件开发过程中的错误定位问题,提出一种以函数调用路径和遗传算法为基础的软件错误定位方法FGAFL。将软件测试中的错误定位问题转化为组合优化问题,结合函数调用路径对错误定位的影响构建适应度函数。通过遗传算法在候选种群中迭代搜索具有较高可疑度的候选错误分布,得到最优解。根据最优解对程序中的函数按可疑度进行排序,依次检查函数并定位错误的具体位置。实验表明,FGAFL方法可以有效降低运算量并缩减代码审查的范围,提高错误定位的精度和效率。

基于函数调用路径准则的测试充分性研究

软件测试的质量决定了软件系统是否能够按照需求可靠运行,在测试过程中运用不同的测试准则得到的测试效果也各不相同,而软件测试充分性是检验软件测试准则优劣的唯一标准。基于函数调用路径准则,将路径覆盖的分析粒度由语句扩展到函数级别,不仅使测试工作量成指数降低,同时保证了测试效果。通过建立一种研究测试准则的测试充分性的指标体系运用数据包络分析法(DEA)定量计算了基于函数调用路径准则与其它测试准则的相对充分性。实验结果表明,函数调用路径准则相较于其它覆盖准则具有较高的测试充分性。

复杂系统中不可达函数调用路径检测方法研究

通过静态分析复杂程序可获取系统的函数调用路径,便于系统框架的理解、分析及后期测试,但提高其分析效率和提取准确度的关键在于不可达函数调用路径的检测和去除。基于控制流信息,将函数指针和函数调用对数据流的影响综合考虑,结合数据流分析和检测分支相关性,利用路径敏感分析方法对函数调用路径中的不可达路径进行检测与去除,从而提取准确的函数调用信息。实验结果证明,上述方法可有效地对函数调用路径中的不可达路径进行检测,提高了分析效率及函数调用路径静态提取的准确度。

基于函数调用路径的回归测试用例选择排序方法研究

针对在回归测试过程中,因为不断修复软件中存在的缺陷所造成的测试工作量大、测试效率低等问题,将测试用例选择与优先级排序技术相结合,以面向函数调用的路径覆盖生成方法为基础,提出了一种面向函数调用路径(functions calling path,FCP)的测试用例选择与排序方法。根据函数调用关系图,对程序中被修改函数与其他函数的关联性进行分析,从初始测试用例集中选择测试用例,形成回归测试用例集;然后对这些测试用例进行优先级排序,并动态地调整优先级排序结果;最后对优先级排序结果进行再次选择,确定最小的回归测试用例集。实验结果表明,测试用例选择与排序方法对优化回归测试用例是有效的,大大减少了回归测试用例数量,降低了回归测试成本。

基于函数调用路径的测试用例混合优化方法

如何对回归测试进行优化是软件开发与维护周期中的一个关键问题,传统的单一主题的测试用例优化技术存在局限性。因此,提出一种将测试用例选择和优先级排序相结合的初次选择-排序-再次选择的混合优化方法。首先,利用基于函数调用路径(function call path, FCP)对代码进行变更影响分析的结果,选择出部分测试用例;然后,从不同角度出发设计多个目标对这些测试用例进行综合排序,并根据执行信息动态调整;最后,从调整过优先级的测试用例中再次选择,形成最终的测试用例集。实验结果证明:所提出的优化方法能在尽量保证测试用例集的缺陷检测能力的情况下,一定程度上降低测试用例集的规模,提高回归测试的效率。

面向Python的函数调用路径静态提取方法研究

随着Python的兴起,越来越多的开发者选择Python作为应用开发、科学研究的首选语言。提出一种基于抽象语法树的Python函数调用路径静态提取方法。以Python的抽象语法树为基础,解析提取关键信息,提取函数调用关系,构建函数调用关系模型,生成函数调用路径。实验表明,上述方法能够较为准确地生成Python程序的函数调用路径,为面向覆盖的测试用例自动生成以及软件缺陷定位提供了一定的技术支撑。

函数调用路径测试用例自动生成的方法研究

测试用例自动生成是软件测试自动化中最为关键的组成部分之一,符号执行作为一种程序分析方法,以其可提供高覆盖率测试用例的优势被广泛应用其中,但路径爆炸和约束求解问题很大程度制约了符号执行技术在现实程序分析中的应用。将研究粒度由语句提升至函数,利用抽象语法树和字节码序列提取到的函数关键信息和控制信息得到函数调用关系模型,设计算法生成函数调用路径(函数调用路径表示程序从开始到结束之间函数的调用或执行序列)。该方法不仅减少了测试路径数目缓解了路径爆炸问题,还有效解决了控制条件中存在函数导致符号表达式难求解的问题。实验结果表明该方法可优化测试路径集,在不降低覆盖率的前提下减少测试用例数量。

多粒度数据变更影响域分析方法

完整准确提取程序变更影响范围是分析由数据变化引发程序错误的关键,能够有效缩短回归测试的周期。为此,提出一种基于多粒度的数据变更影响域分析方法。通过静态分析,结合程序局部控制信息和数据信息流规则,提取关键函数,得到影响函数调用路径,以程序影响函数调用路径为分析集,提取受变更影响的基本路径集,即从函数粒度和语句粒度对数据变更影响域进行分析,分别得到影响函数调用路径和影响基本路径集。大量实验结果表明,该方法能够完整准确提取程序影响函数调用路径和影响基本路径集,定位数据变更影响域,提高回归测试的效率。

Android系统应用程序组件安全性分析

针对当前Android系统第三方应用程序组件中普遍存在的各种安全问题,分析了引起这种问题的原因。提出了一种基于静态分析Android应用程序中四种组件的属性信息和Java系统服务中的敏感API(Application Programming Interface)调用信息,通过构建Android应用程序的函数调用关系图,检测组件入口函数和和敏感API之间可能存在的不安全的静态可执行路径。该方案主要利用反编译、XML(extensible markup language)文件解析和正则表达式匹配技术以获取应用程序的组件和敏感API的调用信息。实验结果表明了该方案的可行性和有效性。

面向危险函数调用的多粒度影响分析方法研究

针对软件开发过程中,变量变更造成的缓冲区溢出检测成本高、效率低等问题,提出了一种基于数据拓扑的危险函数调用影响分析方法,从变量粒度和路径粒度分析变量变更对危险函数调用的影响。通过静态分析源代码,提取变量定义、引用及依赖关系信息、危险函数调用信息和函数调用关系等内容;构建变量依赖关系集合,对变更变量进行数据拓扑分析,结合变量在栈内的分布规律,获取变量影响域;结合函数调用关系信息建立变量影响分析模型,获取路径影响域;根据变量影响域和路径影响域获取变更变量对危险函数调用的影响。实验结果表明,此方法界定变量变更对危险函数调用的影响更加精准。该方法可理解性和可用性较高,能够有效提高软件回归测试的精度和效率。

基于K-最短路径的大规模函数调用关系分析

函数调用关系反映了软件系统中函数之间的依赖关系,在软件分析、软件测试与软件维护等众多软件工程领域都有着广泛的应用。但在大型复杂软件中搜索两个函数之间的调用关系时,由于函数数量众多、函数之间调用关系复杂,使得搜索所需时间较长。为了获得任意两个函数之间的调用路径,提出使用K-最短路径算法,并对K-最短路径算法进行并行化优化,减少搜索时间,为用户分析函数调用关系提供方便。通过对Linux内核3.19(包含40多万个函数结点和110多万调用关系)进行分析,实验结果表明通过并行化优化,并行加速比一般可达5~6倍。

一种基于FCP的C#变更影响路径集生成方法

为了提高C#程序的回归测试效率及降低测试成本,需要尽可能准确地找出C#程序变更影响的部分。因此提出了一种基于函数调用路径的变更影响路径集生成方法。该方法通过比较C#程序变更前后的差异,将差异映射到函数调用路径上,从而得出变更影响路径集。实验结果表明,该方法能有效产生C#程序变更影响的路径集,缩减测试路径的条数,提高回归测试的效率。

基于敏感点覆盖的恶意代码检测方法

为提高恶意代码及其变种的检测效率和准确率,提出了一种动静态结合的基于敏感点覆盖的恶意代码检测分析方法。首先通过静态分析技术识别包含敏感恶意行为的敏感点及敏感路径,然后通过动态符号执行技术对敏感路径进行执行分析,提取能够表达恶意代码行为语义的系统函数调用图特征,最后采用特征图匹配的方法进行恶意代码的检测识别。实验表明,该方法能够有效提高恶意代码及其变种的分析效率和检测识别率。