软件缺陷
- 基于特征优选的软件缺陷预测集成学习方法
引言近些年软件缺陷预测成为了计算机领域研究者的热门课题[1]。目前提出的软件缺陷预测常用的机器学习方法有支持向量机(Support Vector Machine)、随机森林(Random forest)、决策树(Decision Tree)、DP-Transformer、代价敏感分类(Cost-Sensitive Classification)[2-5]等。对于软件项目,存在历史数据库丢失或者是损坏等一些原因,软件缺陷预测所需要的数据无法从软件项目自身的
计算机仿真 2023年7期2023-09-04
- 基于关联规则的终端软件缺陷检测方法研究
，需要对终端软件缺陷进行检测。传统的软件缺陷检测方法主要应用了静态分析技术，通过这种检测技术可实现对软件代码的分析与评估，同时不需要执行运行程序，能够及时发现终端软件中存在的缺陷，但随着软件应用环境的日渐复杂与软件数量的激增，传统的软件缺陷检测方法在对终端软件的缺陷进行检测时，出现了漏报与误报情况[1-2]。为此，国内专家学者对此展开相关研究。文献[3]提出基于N-gram 模型的终端软件缺陷检测方法，该方法建立了终端软件缺陷N-gram 模型，通过该模型
电子设计工程 2023年5期2023-03-10
- 基于深度文本摘要的开源软件缺陷挖掘研究
统产生伊始，软件缺陷（Software Defeat/Bug）始终伴随在各类软件开发与使用过程中。轻微的软件缺陷会导致用户体验不佳、系统效率降低等问题；而严重的软件缺陷则会对社会经济安全稳定产生重大影响（如：千年虫问题、北美电网控制系统问题、苏联核预警系统误报等）。因此针对软件缺陷的识别和修复逐渐成为软件工程研究的重要内容。典型的软件开发过程可以分为两个严密组织的重要阶段：软件开发与软件维护。如图1所示，软件工程的核心是为用户提供良好稳定的软件系统，在软件
山西大学学报（自然科学版） 2022年4期2022-08-15
- 基于软件测试技术的功能测试方法和应用策略分析
黑盒测试 软件缺陷1软件测试中功能测试的基本方法不同类型的软件产品的测试重点不同，测试方法也不尽相同。对于同一类型的软件产品而言，不同的公司会开发不同的测试程序。尽管详细的测试步骤因软件而异，但基本的功能测试方法是相同的[1] 。1.1分析测试对象需求在制定测试计划之前，测试人员需要对测试对象进行详细分析，从而对测试软件产品有一个清晰、合理的认识，进而明确测试工作的主要任务、范围和重点。此外，在分析需求的过程中可以获得一些可靠的测试数据，既为测试方案提供
计算机应用文摘·触控 2022年5期2022-04-02
- 基于类不平衡的软件缺陷倾向性预测研究
0）0 引言软件缺陷是指软件系统中不被期望、不可接受的偏差［1］。软件缺陷的产生主要源于对软件需求做出了错误的理解，或者在设计、编码过程中，研发人员由于经验或技术原因引入的人为错误。软件缺陷的存在可能会导致巨大的经济损失，甚至会威胁到人的生命安全。软件缺陷具有累积放大效应，即在整个软件生命周期中，能够越早地发现缺陷，其修复的代价就越小；反之，其修复的代价就越大。现代软件工程中，随着软件规模日益庞大，软件复杂度越来越高，软件开发的响应速度、用户对软件质量的要
现代计算机 2022年24期2022-03-07
- 结合随机属性与集成的软件缺陷预测算法
回避的话题。软件缺陷预测技术是发现软件缺陷、提高软件质量的有效方法之一。软件缺陷预测技术基于历史软件开发数据结合机器学习方法实现预测算法[1]，进而实现对软件开发过程中未发布软件模块的缺陷预测，已逐渐成为目前软件工程领域的研究热点。在软件开发过程中，由于各种因素导致软件质量难以保证。质量不达标的软件在运行中可能造成难以预估的灾难，并且根除软件质量问题的时间越晚，缺陷修复的代价也越大。因此，基于机器学习的软件缺陷预测以准确、便捷以及迅速等优点持续被关注。软件
现代电子技术 2021年22期2021-11-19
- 基于大数据技术的静态软件缺陷检测系统设计
]。由于静态软件缺陷在检测的过程中需要大量的数据网络信息，具有深度解析系统内部功能的需求，在操作的同时应结合软件信息分析功能进行系统设计研究[2]。目前国内外研究集中于对软件数据信息的掌控操作，传统基于代码源数据的静态软件缺陷检测系统设计不断精准化处理系统与数据间存在的关系，并按照关系思路进一步查询内部空间系统的存储容量，以便对软件缺陷数据的收集与定期处理[3]。传统基于深度学习的静态软件缺陷检测系统设计逐渐调整处理步骤，完善信息状况，能够在第一时间实现对
现代电子技术 2021年17期2021-09-24
- 基于软件测试的缺陷分析及度量方法
作依据。1 软件缺陷软件缺陷，是指计算机软件或程序中存在的某种破坏正常运行能力的错误、隐藏的功能缺陷等[2]。缺陷的存在会导致软件产品在某种程度上不能满足使用者的需要。在IEEE729-1983中对缺陷有一个标准的定义：从产品内部看，缺陷是软件产品开发或维护过程中存在的错误、毛病等各种问题；从产品外部看，缺陷是系统所需要实现的某种功能的失效或违背。一个完整的软件缺陷，主要的组成元素有：缺陷的编号、标题、基本信息、测试软硬件环境、测试软件版本、缺陷类型、严重
电子技术与软件工程 2021年15期2021-09-22
- 基于混合采样和集成学习的软件缺陷预测
30096）软件缺陷检测是软件工程的重要课题[1]。一些常见的机器学习方法，如支持向量机、决策树、KNN、逻辑回归、朴素贝叶斯等都能够用来建立分类模型[2]。但是，对于软件缺陷检测问题，经典的学习方法效果并不理想。由于传统分类器的训练过程普遍遵循误差最小化原则，当训练数据不平衡时，分类面向多数类偏倚，因此最终的模型对少数类的分类性能较差，在严重情况下，模型甚至完全无效。类别不平衡指的是训练数据中不同类别样本的数量差异很大，其中某些类别的样本数目要远小于其他
网络安全技术与应用 2021年5期2021-07-26
- 通信软件缺陷预防和改进体系设计
件生产企业在软件缺陷预防方面付出更大的努力，这样才能在避免软件缺陷重复出现的同时提升企业的经济效益。1 通信软件缺陷预防的必要性通信软件缺陷预防指的是在通信软件未出现缺陷时，开发人员便提前采取积极有效的一系列预防措施，将缺陷扼杀在萌芽状态的一种先进型技术。美国质量保证研究所曾对软件修复成本做过一项统计，结果表明软件上线后期发现缺陷的修复成本要远远高于软件开发初期，且修复成本会随着软件上线时间的推进而大幅增加。这是由于通信软件发生缺陷后，开发人员需要修改最初
科学与信息化 2021年13期2021-05-26
- 软件缺陷预测模型超参数的稳健优化方法
要任务之一，软件缺陷预测的主要目的是利用机器学习方法预测出当前开发的软件中的缺陷模块，为后续的高效测试提供重要基础[1-6]。软件缺陷预测任务主要分为两个子任务：（1）跨版本预测子任务：指使用软件项目的历史版本数据构建预测模型，来预测当前版本中的缺陷模块；（2）跨项目预测子任务：指使用其他软件项目的源代码构建模型来预测当前项目的缺陷模块。当软件项目的历史版本数据充足时，子任务（1）所构建的软件缺陷预测模型常被使用。不过，很多软件项目在开发初期，不具备充足的
山西大学学报（自然科学版） 2021年2期2021-05-19
- 基于知识图谱和自动机器学习的软件缺陷预测
来越高.航天软件缺陷的主要特点是强实时中断问题多、故障处理策略和状态转换时序约束强、太空辐射可能改变软件运行状态等.软件测试作为保证软件产品质量，提升软件可信性的重要措施，目前在第三方确认测试中，主要通过代码审查和动态测试发现软件函数模块中的缺陷，然而这种静态和动态的测试方法对人的能力、经验依赖较大，需要投入大量代码审查时间和动态测试覆盖率分析，很难满足航天软件研制和测评进度紧、质量高的要求.近年来，软件缺陷预测[1-3]成为智能软件工程领域研究的热点，软
空间控制技术与应用 2021年2期2021-04-22
- 一种软件缺陷不平衡数据分类新方法
6580)对软件缺陷预测的研究表明，80%的缺陷集中发生在20%的模块中，这说明软件系统中的数据分布是不平衡的，有缺陷模块的数量远远少于无缺陷模块的数量。虽然有缺陷类样本的数量很少，但正确识别有缺陷样本是软件缺陷预测的关键，错误预测有缺陷样本可能会导致遗漏关键错误从而增加软件开发成本。因此，解决不平衡数据问题对于提高软件质量、减少预测误差和成功部署软件具有重要意义。不平衡数据处理[1]是机器学习研究中的热点之一，更是软件缺陷预测方向不可或缺的部分，已有不少
山东科技大学学报(自然科学版) 2021年2期2021-04-10
- 面向物联网软件系统的软件缺陷分配算法研究
会发现大量的软件缺陷。管理人员很难将软件缺陷分配给适当的开发人员。以前有关缺陷分类的大多数工作的目标是分析缺陷报告，以帮助开发人员或程序员有效地修复缺陷。针对上述挑战，提出了有效的缺陷报告特征学习模型和有效的缺陷分配机制。1 软件缺陷分配算法设计假设数据集中有n个缺陷报告(用S+{s1,…,sn}表示)，m个特征/变量(用M+{f1,…,fm}表示)和k个工人(用C={c1,…,ck})。每个样本si可以用向量si={xi1,…,xim}表示，其中xij表
信阳农林学院学报 2021年1期2021-04-01
- 稳健边界强化GMM-SMOTE软件缺陷检测方法
地进行自动化软件缺陷检测变得日渐重要.研究表明，软件是否有缺陷与某些软件度量指标有很强的相关性，例如McCabe度量和Halstead度量等[2].因此，通过提取这些度量指标来构造特征向量，并训练机器学习模型以识别有缺陷的软件已成为行之有效的检测方法，与传统的匹配检测相比，检测速度更快，精度更高[3].但面临着数据不平衡这一挑战，即被人工准确标记了缺陷的正样本稀少，与之相应的则是大量被认定为无缺陷的负样本，由此导致分类器易忽略正类实例特征，使分类结果更倾向
北京理工大学学报 2021年3期2021-03-31
- 一种改进的半监督集成软件缺陷预测方法
)1 引 言软件缺陷是编程人员在编码过程中因开发过程管理不当,难以正确理解软件需求、或者开发经验欠缺等原因产生的[1].软件缺陷对软件的生产带来负面的影响,会浪费大量的财力人力,因此,项目主管会在软件部署前通过软件测试等手段尽可能地找出软件中存在的缺陷,但是对所有的软件模块进行测试将是一项巨大的工程,可能会超出软件开发预算或延误软件发布时间.软件缺陷预测技术可以根据软件的历史数据信息,通过机器学习等方法来预测软件模块中是否含有缺陷,从而对可能含有缺陷的模块
小型微型计算机系统 2021年10期2021-02-28
- 基于测试的软件缺陷数据分析方法
00018）软件缺陷分析方法一般情况下是建立在软件缺陷分类基础上，软件缺陷是存在于程序或者计算机系统中，是一种能够对系统正常运行产生破坏的隐藏问题，在系统中以瑕疵、错误的方式存在，通常情况下，在软件测试过程中就会被发现。通过对这些缺陷进行分析处理，有利于软件测试工作人员制定科学的软件测试方案，为今后软件缺陷数据分析工作提供技术支持，可以对软件进行预判，提高软件预防工作，进而保证软件产品质量。1 软件缺陷的分类1.1 基本分类现阶段对软件缺陷进行分类一般是对
卷宗 2020年34期2021-01-29
- 基于PYTHON实现的软件缺陷检测程序研究
现的宇航飞行软件缺陷检测程序，通过对源代码进行预处理和筛选，生成测试驱动文件，再对测试驱动文件传输到虚拟机系统，依托开源的KLEE生成并运行测试用例，将测试用例运行结果汇总到前端显示，从而实现并验证缺陷检测程序。关键词 软件缺陷;字典结构;求解器引言宇航飞行软件运行环境相对于地面环境存在单粒子效应、高低温、原子氧、空间碎片和电磁辐射等特殊情况[1]，同时由于宇航飞行软件的功能日趋复杂，可能存在不易检测的固有设计缺陷，这些缺陷往往会在后期的系统联试中才暴露，
科学与信息化 2020年25期2020-09-29
- 软件试验缺陷预测模型研究
更多的是由于软件缺陷引起的，软件缺陷率成为影响软件可靠性的关键。按现有装备管理流程装备软件经过自测试、第三方软件测试、装备试验等过程，可以认为软件缺陷率降为较低的水平，但实际上交付部队的装备软件缺陷率可能仍处在较高的水平且这一状况无法准确计量。如何有效分析预测装备软件缺陷率已成为软件试验可靠性评价的重要研究内容。Rayleigh 模型是一种常用软件缺陷分析预测方法。Rayleigh分析模型通过生命周期各阶段缺陷发现情况得到缺陷Rayleigh曲线，用于评估
科学技术创新 2020年28期2020-09-23
- 基于源文件可疑度的静态软件缺陷检测方法研究
需要分析静态软件缺陷特征，实现静态软件缺陷检测，提高静态软件的输出可靠性，相关的静态软件缺陷检测方法的研究受到人们的极大关注[1]。对静态软件的源文件可疑度缺陷检测是建立在对软件的特征分析基础上[2]，因此本文提出基于源文件可疑度的静态软件缺陷检测方法。采用模糊信息特征聚类分析方法进行静态软件缺陷的特征分析，构建软件缺陷融合调度模型，得到静态软件源文件可疑度输出特征量，采用源文件可疑度特征分析算法进行静态软件缺陷检测的自适应寻优。最后进行仿真测试分析，得出
黑龙江工业学院学报(综合版) 2020年6期2020-08-11
- 跨项目软件缺陷预测方法研究综述
是系统中存在软件缺陷。通过软件缺陷预测技术对软件系统中可能存在缺陷的模块及其分布进行预测，可以有效提高软件测试的效率，对提高软件系统质量和保证软件可靠性具有重要意义[2]。软件缺陷预测是指基于软件开发过程中积累的历史数据构建预测模型，对目标软件模块是否存在缺陷、缺陷严重程度或缺陷数量的分布等情况进行预测。通常情况下基于目标项目的历史数据，采用传统机器学习技术构建的模型可以获得理想的预测效果[3]。但在软件缺陷预测实践应用中，要进行预测的软件往往是新开发的项
计算机技术与发展 2020年3期2020-04-09
- 一种基于关联规则的网络软件缺陷预测方法
但是其弊端即软件缺陷也逐渐暴露出来了，软件缺陷对人们生活的方方面面都产生了极为深刻的影响。为了降低软件缺陷对软件使用效果产生的影响，为广大用户提供更加便捷优质的服务，文章尝试对一种基于关联规则的网络软件缺陷预测方法进行分析和论述。该研究是建立在前人理论与实践分析基础之上提出来的。据相关学者研究表明，当前对软件缺陷进行研究的主要是基于统计分析学方法、神经网络的软件缺陷预测模型、机器学习算法等。在具体的测试过程中不同的研究方法所产生的作用效果有着较大的差异。而
电子技术与软件工程 2020年24期2020-03-16
- 航天器软件典型缺陷模式的自动检测技术
，随着航天器软件缺陷数据的逐步积累，如何利用这些缺陷数据提高软件可靠性安全性是软件从业人员必须思考的问题.典型多发问题的规避和检测是实现软件质量提升的重要途径.统计表明，绝大多数航天器软件问题都是已知类型的缺陷模式[1-2]，符合“二八原则”规律，即约80%的问题分布于20%的缺陷类型中，如时序冲突问题、数据竞争问题、可靠性设计问题、数据取值范围相关问题(如数组越界、除零、数据溢出、变量未初始化等)等.本文通过系统分析和总结航天器软件典型多发问题，开展软件
空间控制技术与应用 2019年5期2019-11-14
- 基于执行轨迹的软件缺陷自定位系统设计与研究
采用面向开源软件缺陷自定位系统的设计，需要程序员对目前软件运行状态进行分析，直到找到缺陷位置[2]。该系统不仅要求程序员熟练掌握软件内部结构，而且定位精准度较低，无法满足人们要求。一个良好的设计方案需要通过测试分析阶段所产生的信息来确定软件中缺陷的位置，因此，提出基于执行轨迹的软件缺陷自定位系统设计。从缺陷不同角度发现软件存在的不同缺陷，由于程序员对程序进行了一定修改，并引入一定缺陷，导致程序版本间的差异分解为修改集合形式，通过对集合中的原程序进行修改，可
现代电子技术 2019年21期2019-11-13
- 浅谈软件永远不完美的原因
;软件测试;软件缺陷;bug引言随着科技的发展，为了提高用户体验，无论是手机还是电脑，系统经常提醒我们需要进行软件更新，为什么软件需要更新呢？软件为何不能一次性做到最好，达到一劳永逸的效果呢？软件测试人员都做了什么？完美是指完备美好，没有缺陷。不完美即不是完备美好，有缺陷，对于软件而言，就是bug。永远，这是个时间限制期，将不完美在时间线上无限延长。也就是说，任何情况下，没有哪一个软件是完美的。一、软件测试的流程软件测试的目的是发现软件的缺陷，验证软件是否
科学与财富 2019年25期2019-10-21
- 基于Boruta-SVM的软件缺陷预测
范围的扩大，软件缺陷是软件开发中不可避免的事情。软件缺陷会给软件开发团队带来维护的困难，给企业带来巨大损失。因此软件缺陷预测成为软件开发和软件维护中不可缺少的一部分。利用数据挖掘技术分析软件数据、预测软件缺陷是一种切实可行的解决方案，可以提高软件质量，降低测试成本。因此随着数据挖掘技术的革新，软件缺陷预测的精度将逐步提高。这不仅可以减少测试成本，还能令软件开发团队迅速找到缺陷点，从而提高工作效率。软件组件每次执行故障的风险都是可用的，因此可以从不同的角度分
山西大同大学学报(自然科学版) 2019年4期2019-09-12
- 应用于软件缺陷预测模型的量子粒子群优化BP算法
摘 要： 软件缺陷检测的主要目的是对程序模块中是否存在缺陷进行自动检测，以此有效促进软件的测试进程，使软件系统质量得到提高。针对传统软件缺陷预测模型的问题，提出在软件缺陷预测模型中使用粒子群优化BP算法。此模型使用粒子群优化算法对BP神经网络权值及阈值进行优化，通过交叉验证方法实现实验，并且同传统机器学习方法及BP神经网络等方法进行对比，实验结果表明提出的方法预测精准性比较高。关键词： 软件缺陷; 预测模型; 量子粒子群; BP算法; 交叉验证; 预测精
现代电子技术 2019年15期2019-08-12
- 应用于软件缺陷预测模型的量子粒子群优化BP算法
的环节。通过软件缺陷分析，能够有效地确保软件质量，加强软件的安全性。目前，通常将软件失效分为3个方面：软件错误(software error)、软件故障(software fault)、软件缺陷(software defect)。其中，软件缺陷是指系统或系统部件中那些导致系统或部件不能实现其功能的缺陷。软件缺陷属性包括缺陷标识、缺陷类型、缺陷严重程度、缺陷产生可能性、缺陷优先级、缺陷状态、缺陷起源、缺陷来源、缺陷原因。在软件开发的过程中，软件缺陷的产生是不
重庆理工大学学报(自然科学) 2019年6期2019-07-17
- 基于数据过采样和集成学习的软件缺陷数目预测方法
件的可靠性。软件缺陷是导致系统失效和崩溃的潜在根源[1]，如果能对软件缺陷进行预测，就能在造成危害前对软件缺陷进行排查和修复，从而减少软件崩溃所带来的经济损失。伴随着第一个软件的诞生并延续至今，软件缺陷预测技术已得到了长足的发展[2]。已有很多研究提出了很多软件缺陷预测方法。如文献[3]探索了传统的机器学习模型和半监督学习在软件缺陷预测中的应用，并在PROMISE数据集上进行测试，达到了工程的需求。文献[4]比较了包括决策树、贝叶斯、向量机、人工神经网络等
计算机应用 2018年9期2018-10-16
- 开源软件缺陷预测技术与迁移学习
学习技术预测软件缺陷已成为提高软件质量的重要途径，但仅局限于同项目历史训练数据完整的情况下。面对一个全新的或历史数据稀缺的项目，迁移学习方法可用源项目的相关知识来为目标项目构建预测模型，有效利用其他项目或领域已有的训练数据来构建缺陷预测模型，并迁移和应用到另一个项目中，其技术挑战是，由于不同项目之间的应用领域、开发流程、编程语言、开发人员经验等并不相同，如何在数据集间存在较大的分布差异性的条件下提升缺陷预测方案的实际性能。本文重点考察了面向开源软件的缺陷预
软件和集成电路 2018年5期2018-10-08
- 基于堆叠降噪稀疏自动编码器的软件缺陷预测
)0 引 言软件缺陷预测[1]是提高和保证软件产品质量的关键技术之一。尽管很多学者已经对此问题进行了大量的探索，但其依然是一项艰巨而又有挑战性的工作[2]。刘芳等人[3]首先用主成分分析法对软件缺陷数据进行降维，消除冗余信息，然后用处理后的缺陷数据进行训练，构建软件缺陷预测模型；孟倩等人[4]使用粗糙集方法对软件缺陷数据进行属性约减，去掉冗余和无关的属性，再用支持向量机对软件缺陷进行分类预测；王海林等人[5]用基于关联规则的特征选择算法提取软件缺陷数据的特
计算机与现代化 2018年5期2018-06-04
- 基于优化BP神经网络的高准确度软件缺陷预测应用研究*
靠性.因此，软件缺陷预测对于软件可靠性具有重要的研究价值[3].现阶段，软件缺陷预测模型大致可以分为5种类型[4-5]：(1) 贝叶斯模型；(2) 线性判别模型；(3) 分类决策模型；(4) 支持向量机模型；(5) 马尔可夫模型.众多研究人员已经对以上模型开展了各种分析和研究，但是以上模型在软件缺陷预测中的应用效果达不到人们的预期，仍旧存在不少问题.比如，对于现在研究得较多的马尔可夫模型方法，由于过于依赖初期的假设问题，导致其实际应用范围十分有限.随着人工
湘潭大学自然科学学报 2018年2期2018-05-28
- 一种基于关联规则的网络软件缺陷预测方法
网络化软件，软件缺陷影响着人们生活的方方面面。良好的软件缺陷控制和预测机制可以帮助企业开发出高质量的软件产品，防止软件因系统缺陷而导致的严重后果，降低软件维护成本，并提高客户满意度。因此，软件开发过程和软件质量越来越受到重视，如何预测网络化软件系统缺陷成为当前研究的热点领域。目前，国内外软件缺陷研究领域相关学者进行了深入的研究并取得了一系列的成果。主流的方法有基于统计分析学方法、基于神经网络的软件缺陷预测模型等。傅艺绮等人[1]提出了一种基于组合机器学习算
网络安全与数据管理 2018年4期2018-05-23
- 回归算法对软件缺陷个数预测模型性能的影响
2)0 引言软件缺陷预测指的是通过从历史软件数据中学习出缺陷预测的模型，然后对新的软件模块进行预测，预测其是否有缺陷。如果预测该软件模块有缺陷则对该软件模块分配更多的软件测试人员，这样可以合理地分配测试资源。研究者已经提出了很多软件缺陷预测的方法[1-3]：陈翔等[4]总结了国内外在该研究领域取得的主要成果，但这些研究者提出的软件缺陷预测方法都是基于分类模型，即预测软件模块是否有缺陷；文献[5-6]指出，如果采用回归方法预测一个软件模块存在多少个缺陷时，可
计算机应用 2018年3期2018-05-21
- 基于不相似性的软件缺陷预测算法
4)0 引言软件缺陷数据集中有缺陷的样本数量往往比无缺陷的样本数量少得多，因此，软件缺陷预测可被视作一个类不均衡学习问题。在类不均衡学习学习过程中，不同类别的误分代价各不相等，少数类(有缺陷)的误分代价远高于多数类(无缺陷)的误分代价，为尽可能地降低误分代价，预测算法更重视那些有缺陷的少数类样本的预测结果。然而，传统的分类算法通常建立在类分布均衡且误分代价相等的前提下，以最小化分类误差为最终目标，因此直接采用决策树分类[1-3]、神经网络[3]、贝叶斯分类
计算机测量与控制 2018年3期2018-03-27
- 基于缺陷的测试用例优先级排序方法
优先级排序 软件缺陷回归测试作为测试流程的重要环节，用于验证缺陷是否解决以及缺陷的解决是否引起其他潜在缺陷的出现。回归测试阶段如果毫无策略地执行已有的测试用例集，势必会造成大量的时间和人力资源的浪费。为了降低回归测试的成本，国内外科研人员将测试用例优先级排序技术引入到回归测试阶段，根据不同条件充分考虑测试用例的重要程度，赋予每个测试用例一个优先级，根据优先级从高到底的顺序依次执行测试用例，从而提高测试用例的使用效率。1997年，Wong等最先提出了在回归测
电子技术与软件工程 2017年23期2018-01-17
- 基于AOP的软件缺陷监测框架的设计与实现
基于AOP的软件缺陷监测框架的设计与实现边伟成（江苏省信息中心 江苏 南京 210013）随着软件规模的不断扩大，软件质量越发成为软件开发企业关注的重点。关于如何减少软件缺陷，提高软件可靠性是所有软件开发者追求的永恒主题。本文基于AOP技术设计和提出了一种新的软件缺陷检测框架，其具体由方法监控层、数据过滤层和逻辑表现层组成，自底向上传递数据。该框架可实现软件方法的实时监控、自定义监控规则、对于缺陷按照严重等级进行分类显示等功能。最后通过与实际项目相整合，设
电子设计工程 2017年16期2018-01-08
- 基于机器学习的软件缺陷预测技术研究
于机器学习的软件缺陷预测技术研究韦良芬(安徽三联学院 计算机工程学院， 合肥 230601)基于机器学习的软件缺陷预测技术是提高软件可靠性的有效方法。本文分析了机器学习用于软件缺陷预测的优势，总结了基于机器学习的软件缺陷预测的关键技术、预测步骤和当前研究存在的问题，并就当前的研究内容进行了探讨。机器学习；软件；缺陷预测0 引言随着各种软件系统规模不断扩大，系统复杂度不断提高，软件的可靠性面临着严峻的考验[1]。各个行业对软件的依赖性越来越大，软件故障导致的
长春大学学报 2017年10期2017-12-05
- 基于机器学习的软件缺陷识别的必要性
徐毅蒙摘要：软件缺陷是影响软件质量的关鍵因素，及早发现并排除软件缺陷是软件生命周期中重要的环节。随着代码数量级的与日俱增，早期的人工排查显然降低了审查效率和准确性，同时增加了审查成本。所以基于机器学习的软件代码缺陷识别技术是一种提升软件可靠性，适应当今社会发展速度的必然选择。关键词：软件缺陷；软件可靠性；机器学习中图分类号：TP181 文献标识码：A 文章编号：1009-3044（2017）25-0185-02Abstract： Software defe
电脑知识与技术 2017年25期2017-11-20
- 继电保护装置软件缺陷跟踪管理方法
电保护装置；软件缺陷；跟踪管理多年来，电网系统由于保护装置软件的管理不善，给电网的安全带来了严重危胁，反映出继电保护设备生产厂商、运行维护部门和继电保护管理部门存在许多问题，需要认真研究，加以解决。如何实现继电保护装置软件缺陷跟踪管理，提供一种软件有效管理的方法，实现软件质量的提升，是电力系统继电保护装置软件管理的迫切问题。1软件管理方法的提出为解决目前存在的问题，根据现场事故现状，分析事故原因。根据事故原因，进行缺陷分析，对装置类型，软件版本进行定位，形
科技信息·中旬刊 2017年7期2017-10-21
- 软件开发项目的质量管理策略探讨
；质量管理；软件缺陷；管理策略中图分类号 TP2 文献标识码 A 文章编号 2095-6363（2017）05-0020-02近年来，我国软件产业发展十分迅速，各大软件开发企业开始崛起，软件开发项目也越来越多。但是由于部分软件开发公司缺乏一定的质量管理经验，也没有形成规范的质量管理体系，所以在软件开发过程中出现了软件缺陷的问题。对此，必须要采取合适的软件开发质量管理措施，解决软件缺陷问题，保证软件开发质量。1 软件缺陷概述及其产生的原因分析软件缺陷产生的原
科学家 2017年5期2017-06-09
- 一种新的基于缺陷的软件测试描述语言-DBSTDL
基础上，面向软件缺陷，采用分类法和因素分解法，围绕缺陷摘要与被测软件信息双重主线，重组软件测试信息，设计了新的测试描述语言(DBSTDL)；该语言共包括6类词，3大类100多条基本语句， 3组句群， 2种主要的语言组合方式，涵盖了测试描述语言的框架和基本内容；应用DBSTDL语言实现了软件典型缺陷与测试样例库，验证了利用DBSTDL语言建库的思想，说明该语言可用于建立统一的软件测试描述标准，提供了规范描述手段。测试描述语言； 测试信息； 软件缺陷； 结构化
计算机测量与控制 2017年4期2017-05-10
- 开源程序的软件缺陷分布特征的量化分析研究
[4,5]。软件缺陷是影响软件安全性和可靠性的重要因素。研究软件缺陷的基本性质，发掘软件缺陷的内在规律，对于提高软件的安全性和可靠性，对于保障软件系统的安全可靠运行具有重要意义。目前为止，人们对软件缺陷的性质以及内在规律的研究仍具有一定局限性。主要原因是，关于软件缺陷的一手数据资料很不全面。传统的软件开发局限在特定的机构中，软件缺陷的记录、跟踪和排除作为机构的技术资料一般并不对外公开。对于不成熟的开发机构，开发过程中软件缺陷的记录和跟踪资料并不完整。由于软
电子元器件与信息技术 2017年4期2017-03-08
- 基于邻域三支决策粗糙集模型的软件缺陷预测方法*
粗糙集模型的软件缺陷预测方法*李伟湋1郭鸿昌2(1.南京航空航天大学航天学院，南京,210016；2.东部战区空军装备部，南京,210081)基于已有软件缺陷数据，建立分类模型对待测软件模块进行预测，能够提高测试效率和降低测试成本。现有基于机器学习方法对软件缺陷预测的研究大部分基于二支决策方式，存在误分率较高等问题。本文针对软件缺陷数据具有代价敏感特性且软件度量取值为连续值等特性，提出了一种基于邻域三支决策粗糙集模型的软件缺陷预测方法，该方法对易分错的待测
数据采集与处理 2017年1期2017-02-25
- 液压支架电液控制系统软件缺陷管理
电液控制系统软件缺陷管理牛剑峰1， 白永胜2， 郭丁和3(1.北京天地玛珂电液控制系统有限公司， 北京 100013; 2.阳煤集团华越机械有限公司,山西 阳泉 045000; 3.西安交通大学 数学与统计学院， 陕西 西安 710049)针对液压支架电液控制系统软件缺陷问题，从软件测试方法入手，分析了液压支架电液控制系统软件结构特点，构建了软件缺陷管理框架，确定了软件测试方案，对软件缺陷进行了分类，设计了软件缺陷数据库的数据结构及软件缺陷管理流程，进而对
工矿自动化 2016年11期2016-11-21
- 与内存访问相关的软件缺陷典型案例剖析
够导致严重的软件缺陷。详细介绍了与内存访问相关的软件缺陷典型案例，深入剖析了这些缺陷产生的原因、带来的影响，并针对性地给出了解决方法和预防措施。对提升软件可靠性具有实际意义。关键词：软件可靠性；软件缺陷；案例剖析中图分类号：TP311.55 文献标识码：A 文章编号：1009-3044（2016）21-0076-05Abstract： Memory access exceptions can cause serious software defects.
电脑知识与技术 2016年21期2016-10-18
- 基于分类的软件缺陷严重性预测
基于分类的软件缺陷严重性预测王婧宇1张欣2邹卫琴3(1.南京市产品质量监督检验院南京210028)(2.大连理工大学软件学院大连116621)(3.江西理工大学南昌330000)在软件开发过程中,软件缺陷的修复是保证软件质量的重要环节。然而随着软件规模的快速增长、缺陷数目的急剧增加、人力物力资源的有限,报告的软件缺陷不能全部被修复。为了保证软件的质量,人们往往对软件缺陷进行优先级排序,将有限的资源集中在优先级高的软件缺陷修复上。软件缺陷严重性就是一种重要
计算机与数字工程 2016年8期2016-09-10
- 基于改进BP算法的软件缺陷预测模型研究
进BP算法的软件缺陷预测模型研究韩智慧（长春科技学院 信息工程学院，吉林 长春130600）针对传统软件测试成本高及测试过程依赖于软件用例的设置等问题，设计了基于BP，JCUDA_BP和JCUDASA_BP的软件缺陷预测模型，并通过调研、实验的方式对基于改进BP算法的软件缺陷预测算法进行了相关的研究分析，探讨了JCUDA技术对于BP算法的影响，证明了模拟退火算法与JCUDA技术相结合的方式具有改进软件缺陷预测模型的可能性。缺陷预测模型；模拟退火算法；JCU
现代电子技术 2016年11期2016-09-03
- 软件缺陷的生成因素分析
30033)软件缺陷的生成因素分析哈清华，姜瑞凯，刘 逻(中国科学院 长春光学精密机械与物理研究所，吉林 长春 130033)软件缺陷是软件质量评价的重要依据，需要全面而深入的研究与分析，而同时导致软件缺陷形成的因素却多种多样，难以确定软件缺陷的生成原因。因此，为了分析软件缺陷的生成原因以及发现缺陷的方法，文中研究了基于多元线性回归的线性拟合方法，从被测对象、开发与测试人员、测试强度等方面研究对软件缺陷的影响。首先对软件缺陷的生成因素进行分析，并选定5个因
计算机技术与发展 2016年1期2016-02-23
- 基于社会网络的软件缺陷预防的研究
于社会网络的软件缺陷预防的研究侯中伟，任洪敏 （上海海事大学信息工程学院，上海201306）0 引言在软件开发的过程中，难免会遇到各种各样的缺陷问题，而这些缺陷的产生，在不同程度上给软件企业带来了极大的困扰。为了使软件企业部门能够生产出高质量的产品，在缺陷方面，各领域也做了大量的研究，包括各种软件缺陷管理工具的开发以及应用，有效地管理缺陷，这在很大程度上帮助开发者或许测试者尽量避免缺陷问题的产生。然而，软件缺陷很难一次性解决，更不可能全部解决，需要开发者或
现代计算机 2015年21期2015-09-26
- 基于元学习的软件缺陷预测推荐方法
基于元学习的软件缺陷预测推荐方法程 俊1，张雪莹1，李瑞贤2（1.中国电子科学研究院，北京 100041；2.北京自动化控制设备研究所，北京 100074）基于机器学习的分类算法已被广泛地应用于预测软件缺陷。然而，软件缺陷数据的多样化，导致单一分类算法难以在所有的软件缺陷预测过程中均获得最优的分类性能，即不同的数据集上最适用的分类算法也不尽相同。本文提出了一种基于元学习和实例学习的软件缺陷预测算法推荐方法。该方法仅依据待预测软件缺陷数据的特征，为其推荐最适
中国电子科学研究院学报 2015年6期2015-06-24
- 基于组织协同进化的软件缺陷预测方法*
织协同进化的软件缺陷预测方法*常瑞花（武警工程大学科研部，西安 710086）针对传统有标识软件度量元数据存在软件缺陷预测精度低的问题，首先对比选择合适的离散化方法，然后将组织协同进化分类算法引入并应用到航天软件缺陷预测领域，给出了一种基于组织协同进化的软件缺陷预测方法。该方法根据预测目标将离散后的软件度量元数据划分为不同种群，在各种群内部形成进化个体（组织）。组织在增减算子、交换算子、合并算子和组织选择机制的作用下不断进化，并基于属性重要度协同进化的方式
火力与指挥控制 2015年7期2015-06-23
- 基于改进GM(1,1)模型预测软件缺陷率
1)模型预测软件缺陷率王曙燕，黄炜青，孙家泽(西安邮电大学 计算机学院，陕西 西安710121)给出一种基于随机抽样一致性算法(RANSAC)的GM(1,1)改进模型。运用RANSAC筛除异常值，选择估计误差最小的点作为定解条件，结合插值思想对软件缺陷率进行预测。分别对有无奇异值的数据预测，结果表明改进后的模型不仅能够改善异常值对预测的影响，而且比GM(1,1)模型取得较高的预测精度。灰色模型；随机抽样一致性算法；定解条件；异常值；软件缺陷率软件缺陷是软件
西安邮电大学学报 2015年6期2015-02-27
- 基于度量元的静态软件缺陷预测技术*
度量元的静态软件缺陷预测技术*常瑞花，贾鹏（武警工程大学科研部，西安710086）软件缺陷预测技术是当前软件工程领域的一个热点研究问题。回顾和综述了基于度量元的静态软件缺陷预测技术研究的起源与国内外最新进展动态，并对常用缺陷预测技术的评价指标进行对比和分析，指出其优缺点和适用范围。最后对静态软件缺陷预测技术的可能发展方向进行预测。度量元，软件缺陷，预测，静态0 引言软件密集型装备中软件所占比例的日益增加，使得系统的可靠性越来越依赖于其采用软件的可靠性。研究
火力与指挥控制 2015年2期2015-01-08
- 软件缺陷管理方案分析
10046）软件缺陷管理方案分析史海峰（南京信息职业技术学院，江苏 南京 210046）基于作者软件开发和软件测试的工作经历，给出了一套软件缺陷管理方案，该方案对软件缺陷的管理内容和生命周期进行重点分析，定义了软件缺陷在其生命周期中的各个状态，以及状态之间的转换过程，然后在软件缺陷权利管理中给出了权限和角色分配方法，最后对方案提出了一些不足和改进。软件缺陷管理；测试用例；测试结果；生命周期；权限管理1．引言软件缺陷是计算机软件或程序中存在的某种破坏正常运行
电脑与电信 2014年10期2014-03-13
- 航天嵌入式软件缺陷的分类方法
)航天嵌入式软件缺陷的分类方法董晓刚1，杨孟飞2(1.北京控制工程研究所，北京100190;2.中国空间技术研究院，北京100094)软件缺陷分类是软件缺陷管理的基础.介绍了软件缺陷的概念，对几种软件缺陷分类方法进行了分析和比较.结合航天嵌入式软件研制流程和缺陷类型分析，提出了一种航天器嵌入式软件缺陷的分类方法，对于缺陷类型和实现与编码错误子类型给出了详细的分类方法.软件缺陷;航天嵌入式软件;缺陷分类软件缺陷(software defect)的一般定义指软
空间控制技术与应用 2012年5期2012-09-05
- ABDOM的参数规范化与离散化改进
00191)软件缺陷发现时序过程的叠加双阻尼振荡模型(ABDOM，Accumulative Bi-Damped Oscillation Model)［1］为软件测试过程的度量和评估提供了一种新的手段.该模型是一个可初步描述软件缺陷发现时序过程的周期性、随机振荡性和阻尼衰减性等基本特征及关键影响因素的数学模型.但是，为了能更好描述复杂的软件缺陷发现场景，当前的ABDOM模型仍然存在需要改进的地方:1)在现有的ABDOM中，软件缺陷发现阻尼a和软件缺陷发现周期
北京航空航天大学学报 2012年10期2012-08-07
- 基于代价敏感神经网络算法的软件缺陷预测
经网络算法的软件缺陷预测缪林松(南京航空航天大学计算机科学与技术学院，江南南京 210016)软件缺陷预测作为软件工程领域的重要研究内容已有近30年。近年来，随着机器学习技术的发展，传统机器学习技术基于静态代码属性的软件缺陷预测领域得到广泛应用。然而，传统的机器学习算法并未考虑软件缺陷预测过程中，常见的代价敏感问题与类不均衡问题。文中将基于过采样技术和阈值移动技术的代价敏感神经网络算法应用于软件缺陷预测领域，从而解决该领域的代价敏感问题与类不均衡问题。在N
电子科技 2012年6期2012-01-19
- 领域本体的构建方法研究
用该方法构建软件缺陷领域本体。关键词：本体 领域本体 本体构建 软件缺陷中图分类号： B016文献标识码： Ａ 文章编号： 1003-69３８（２０11）０1－0016-04Research on Construction Methods of Domain OntologyZhang Wenxiu （Department of Audit, Nanjing Audit University, Nanjing, Jiangsu, 211815）Zhu Qi
图书与情报 2011年1期2011-02-14