基于偶然性正确测试用例发现的软件错误定位方法

摘要

软件错误定位是目前软件工程领域的重要研究课题，其中基于程序谱的错误定位(CFL)是一类重要的方法，有文献说明CFL方法在多错误环境下也有着良好的效果。偶然性正确测试用例对于CFL有着很大的负面影响，因此如何发现该类测试用例或者避免它们对CFL的影响对于提高CFL方法的定位效果有着重要的意义。
　　本文首先通过分析偶然性正确测试用例对CFL定位方法的影响，研究了偶然性正确测试用例的特点，发现了一种没有误判率(false positive)的寻找偶然性正确测试用例的方法。在发现偶然性正确测试用例之后，本文又重点研究了基于偶然性正确测试用例如何改进已有CFL方法，提出了三种基于偶然性止确测试用例发现的CFL定位方法。第一种方法是通过公式和实验分析证明了已有的对已有的基于偶然性正确的定位方法的不足，并且提出一种基于fail(s)/tfail值分析改进方法;第二种方法是基于对于正确语句性质的分析，提出一种基于MYCC(s)/TMYCC值分析的定位方法;第三种方法是通过使用偶然性正确测试用例增加错误语句怀疑度，并结合一种减少正确语句怀疑度的方法，来定位错误语句的方法。
　　最后通过在siemens实验集的122个错误版本上进行实验说明，三种方法都可以普遍改善已有CFL方法的定位效果.
　　在以上工作之外，本文还分享了本文实验平台搭建过程的一些重点和难点部分。希望可以帮助研究者更容易进入错误定位领域，或者改善已有的实验平台。

目录

声明

摘要

1 引言

1．1 研究背景和研究意义

1．2 国内外研究现状

1．3 主要研究内容

1．4 文章结构

2 软件错误定位相关技术介绍

2．1 基于覆盖分析的软件错误定位方法介绍

2．1．1 基于语句的CFL定位方法

2．1．2 基于谓词的CFL定位方法

2．1．3 基于函数的软件错误定位方法

2．1．4 不同CFL方法的比较分析

2．2 基于覆盖分析的评价方法

2．3 基于语句的CFL定位方法举例

2．4 偶然性正确相关内容介绍

2．5 相关技术介绍

2．5．1 gcov的介绍

2．5．2 shell，awk，sed，mts的介绍

2．5．3 python的介绍

2．5．4 c≠介绍

3 基于偶然性正确现象的错误定位方法的提出

3．1 偶然性正确测试用例的判定方法

3．2 对偶然性正确测试用例的处理

3．3 基于偶然性正确测试用例的定位方法1

3．4 基于偶然性正确测试用例的定位方法2

3．5 基于偶然性正确测试用例的定位方法3

4 自动化实验框架的设计与实现

4．1 总体技术框架设计

4．2 相关工具与语言的应用

4．2．1 gcov的使用

4．2．2 shell，awk，sed，mts的使用

4．2．3 python的使用

4．2．4 C#的使用

4．3 实验环境与数据介绍

4．4 关键技术以及难点

4．4．1 从universe文件中获取可运行脚本

4．4．2 如何将gcov与runall．sh脚本相结合

4．4．3 实验中的特殊处理

4．4．4 mts使用中的一些问题

4．4．5 C#部分的基本结构

4．4．6 脚本文件的合理规划

5 实验与分析

5．1 实验结果和分析

5．1．1 MYCC的存在性，误判率，以及对于CFL方法的影响

5．1．2 方法1的效果以及分析

5．1．3 方法2的效果以及分析

5．1．4 方法3的效果以及分析

5．2 算法复杂度

6 相关工作及以后研究方向

参考文献

致谢

攻读硕士学位期间研究成果