基于蜕变测试的自监督深度学习型缺陷定位方法

摘要

本发明公开了基于蜕变测试的自监督深度学习型缺陷定位方法，该方法首先构建蜕变关系，在给定的无测试预言的测试用例集的基础上生成出源测试用例和后续测试用例，然后收集覆盖信息和测试输出，接下来对前者进行集合求并，对后者进行蜕变关系验证，得到每个蜕变关系组内总的覆盖信息的测试结果，并整合成为覆盖矩阵与违反向量，输入给深度神经网络模型进行训练，学习模型，最后用模型完成对代码可疑值的预测，依据可疑值从大到小对缺陷程序的代码进行排序，完成缺陷定位。该方法克服了深度学习型缺陷定位的局限性，使其能被应用到测试预言缺失的情景中，以自监督的方式实现面向无标签数据集的缺陷定位，显著扩大了应用范围。