软件缺陷

摘要： 当前,航天企业项目研制任务日益繁重,科研形势异常紧迫,科研设计、传输、生产各个阶段产生了大量文件,包括文字、设计图、生产数据、评测软件等多种类型。传统的资源共享交互方式通过办理签字交接手续面对面传递,在传输环节易出现控制管理分支。业务流程由人工控制在多个流程中进行,导致操作重复、信息分散、错误率高。尤其是涉及到软件评测环节,研制方与评测方采用数据光盘输出的方式进行交接,评测结果以纸质文件反馈,工作效率低下,不仅难以控制技术状态的实时性,而且增大人员携带交互风险。因信息链的断裂,测试方难以确认待测件的版本,在研制过程中软件的规模、种类、复杂性不断增加。因此,软件质量问题愈加突出,双方对测试问题和软件缺陷难以及时追溯和管理。

摘要： 缺陷模式分析对指挥信息系统软件缺陷模式识别具有重要作用,为了实现软件缺陷模式智能化分析应用,提出了基于缺陷数据的指挥信息系统软件缺陷模式分析方法,以及基于缺陷模式的软件测试用例智能复用方法。从接口数据、功能逻辑、状态场景、人机交互和节点协同等角度,对某项目的1000余项缺陷数据进行了验证分析,识别出200余种软件缺陷模式。

摘要： 随着共享软件产业的日益成熟,APP的规模和复杂性与日俱增。因软件的开发和生产均由人工完成,其本质是凝结了人脑逻辑思维的高度智力化的适用性产品。在APP的开发中,尽管开发者采取了一系列有效措施希望不断提高APP的质量,但仍然无法完全避免APP存在意想不到的"缺陷"。APP存在"缺陷"可能会造成相当严重的经济损失,而将软件测试技术引入APP则可减少或杜绝"缺陷"。

摘要： 编译器模糊测试,是测试编译器功能性与安全性的常用技术之一.模糊测试器通过产生语法正确的测试用例,对编译器的深层代码展开测试.近来,基于循环神经网络的深度学习模型被引入编译器模糊测试用例生成过程.针对现有方法生成测试用例的语法正确率不足、生成效率低的问题,提出一种基于前馈神经网络的编译器模糊测试用例生成方法,并设计实现了原型工具FAIR.与现有的基于token序列学习的方法不同,FAIR从抽象语法树中提取代码片段,利用基于自注意力的前馈神经网络捕获代码片段之间的语法关联,通过学习程序设计语言的生成式模型,自动生成多样化的测试用例.实验结果表明,FAIR生成测试用例的解析通过率以及生成效率均优于同类型先进方法.该方法显著提升了检测编译器软件缺陷的能力,已成功检测出GCC和LLVM的20处软件缺陷.此外,该方法具有良好的可移植性,简单移植后的FAIR-JS已在JavaScript引擎中检测到两处软件缺陷.

摘要： 软件缺陷管理是量化质量管理的基础和重要组成部分,而其本身又是一个十分复杂的过程。为提高软件缺陷管理能力,提出了一种基于3F技术的软件缺陷管理过程。首先分析了软件缺陷生命周期,利用FRACAS技术思想,针对单个缺陷提出了一种改进的闭环缺陷控制过程。然后进一步结合FMECA和FTA技术思想,研究了在软件开发过程中软件缺陷的控制和管理。最后基于这种方法,设计出缺陷管理工具,并结合到该单位的GEMS(基于GJB5000A的项目管理系统)中,实现了对软件缺陷的有效管理。

摘要： 用户验收测试是保证G银行软件质量的重要环节,不充分的测试会引发生产问题,而过度的测试则会造成资源的浪费.为保证测试资源的有效利用,需要对测试过程与测试质量进行定量评估.以G银行软件开发模式为基础,针对银行软件短周期版本迭代的特点,选取测试用例数量、功能点数量、需求变更次数、关联系统数量及开发工作量作为版本特征指标,通过熵值法进行指标权重确定并计算缺陷潜量.同时,提出了解决短周期特征的模型系数的估算方法.对Bass模型进行改进,创建了基于版本特征差距的软件测试缺陷预测模型,可根据相邻历史软件版本的测试执行周期缺陷数据及版本特征值预估当前版本的软件测试过程及测试质量,为测试活动的安排及测试停止准则提供理论依据.实证结果表明,构建的模型在瀑布式开发模式的内部管理软件缺陷数量趋势及监控测试过程方面预测精度可靠,在保证测试质量的同时极大提高了测试资源与测试活动的安排合理性.

摘要： 在核电厂控制系统软件开发过程中,任何分析工作都应是为了提高软件质量和效率。而软件质量和效率的提高核心都应该是软件问题的减少,无论是已发现的问题还是未发现的问题。所以通过对测试问题进行必要的软件缺陷分析得到经验反馈是非常重要的,这也是提高软件开发效率和软件质量关键的一环。本文首先概括论述了软件缺陷,接着论述了行业内软件缺陷分析分类方法的应用情况,正交缺陷分类(ODC)、根本原因分析(RCA)的基本概念,应用该方法对项目内发现的问题进行分类、分析,进而得到分析结果及改进措施。

摘要： 软件,为生活带去便利,也因自身缺陷导致了悲剧。1996年Ariane5火箭发射后解体,近来的新能源汽车刹车失灵,都是软件缺陷所致。2022年国内智能汽车行业车辆召回的原因中,软件缺陷占比50%以上。

摘要： 本文介绍了引入TMMi模型的原因及TMMi成熟度级别,通过实施基于TMMi的测试过程改进,构建了一套符合汽车行业特点的软件测试流程,并在项目中实施应用,获得了TMMi 3级认证,实现了测试效率和软件质量的提高。近年来,随着智能化、网联化、电动化、共享化在汽车产业的不断发展,汽车软件的规模和复杂性急剧增加,软件系统中潜在的风险越来越高,软件缺陷引发的后果也越来越严重,而提高软件质量的成本越来越高,测试费用约为总成本的30%~40%,为提高软件测试效率以及软件质量保证能力,测试团队做了很多探索和尝试。

摘要： R语言提供了多种统计计算的功能,并被认为是最适合人工智能领域的程序设计语言之一。语言功能的正确实现是R语言程序正确运行的必要前提,但R语言中不可避免地存在着诸多软件缺陷。文中对R语言及其核心包中的历史缺陷进行了实证研究。通过分析R语言及其核心包中的7020个缺陷报告发现:1)缺陷所涉及的35个R语言版本中R 3.1.2,R 3.0.2,R 3.5.0所含缺陷的数量较多,这些缺陷大量分布于Documentation,Graphics,Language等少数组件中;2)缺陷优先级整体较高的组件依次是Startup,Installation和Analyses,缺陷严重程度整体较高的组件依次是I/O,Installation和Accuracy,缺陷的优先级和严重性之间存在中等强度的秩相关;3)约78%的缺陷可在一年之内被修复;4)语义错误是缺陷最常见的根本原因,其中缺少功能和数据处理错误在各个阶段均占有较高的比例。这些发现揭示了R语言及其核心包中历史缺陷的一些基本规律,可在一定程度上帮助R语言开发人员提高开发质量,帮助R语言维护人员更高效地检测和修复缺陷,并帮助R语言的使用者规避潜在风险。

摘要： 传统的软件静态分析结果中存在大量的误报,需要人工筛选出软件缺陷,这种人工确认方法不仅耗费大量的人力,而且准确度也存在明显的个体差异.为了实现更高效、高精度的软件缺陷确认,本文提出了一种基于机器学习的软件缺陷确认方法,首先通过构建代码特征向量,将缺陷代码转化为机器学习可学习的特征向量形式;然后采用聚类分析方法构建缺陷代码知识库,改变传统的领域专家人工构建缺陷代码知识库的方式,提高缺陷代码知识库的构建效率;最后基于构建的缺陷代码知识库和监督学习方法,建立具备高准确率的缺陷代码确认模型,实现缺陷代码从人工确认到模型确认的跨越;并通过飞控系统实例验证软件缺陷确认方法的可用性.

摘要： 符号执行是目前较为行之有效的软件缺陷自动检测方法,计算代价昂贵与程序执行路径爆炸是两个影响其性能的关键问题.本文提出了一种针对C语言程序内存访问缺陷的符号执行检测方法,该方法可通过自动化构造的测试用例发现程序内部的内存访问缺陷,如缓冲区溢出、跨界访问和指针异常等.使用符号跟踪缓冲区长度的方法,一方面减少了符号变量的数量,另一方面由此精确抽象C语言库中字符串操作函数的行为,解决了符号执行过程间函数调用的步进问题;使用动态切片的方法,裁减路径探索过程中的冗余路径,从而解决在程序内部路径搜索时发生的路径爆炸问题.经实验验证,本文提供的检测方法不但可行,而且验证代价较小,具有较强的实用性.

摘要： 软件缺陷分类是研究软件缺陷管理的基础.针对可编程逻辑阵列(Field Programmable Gate Array,FPGA)软件缺少缺陷分类的问题,研究了传统软件缺陷分类优缺点、信息技术安全标准(CC标准)和专用集成电路(Application Specific Intergrade Circuit,ASIC)规则集,结合航天型号的FPGA软件工程实践,提出了FPGA软件缺陷分类,其中包括功能安全缺陷和保密安全缺陷类别.该缺陷分类有利于指导FPGA研制和测试单位过程改进,进而提高FPGA软件的质量与可靠性.

摘要： 软件缺陷预测是根据软件产品中提取的度量信息和已经发现的缺陷来尽早的预测软件可能还存在的缺陷,基于预测结果合理分配测试和验证资源.基于机器学习的缺陷预测技术能够较全面地、自动地学习模型来发现软件中的缺陷,已经成为缺陷预测的主要方法.为了提高预测的效率和准确性,对机器学习算法的选择和研究是很关键的.本文对不同的机器学习缺陷预测方法进行对比分析,将各算法在不同评价指标上的优势加以利用,提出了将不同预测算法的预测结果作为软件度量并进行再次预测的基于组合机器学习算法的软件缺陷预测模型.最后用该模型对Eclipse数据集进行实验,证明该模型的可行性.

摘要： 随着指挥信息系统软件规模的扩大,如何检测指挥信息系统软件当中存在的缺陷已经成为保证指挥信息系统软件质量的一个关键问题,本文介绍了一种使用符号执行技术检测指挥信息系统软件缺陷的方法,提出了符号执行缺陷检测系统的框架和检测流程的构想,为检测指挥信息系统软件缺陷提供了思路.

摘要： 德国西门子三相全控可控硅静止整流励磁系统SPPA-E3000-SES530在国外应用广泛,国内向家坝电站、小湾电站也采用此型号励磁装置.该励磁装置在国内应用中从安装调试至投产发电,其遇到过诸如起励变压器容量选型不正确的设计问题、机端电压在机组空载态由100％UgN降至70％UgN的软件缺陷等问题.本文对这些典型故障及缺陷进行分析,并对相应缺陷的整改方式进行介绍.

摘要： 软件缺陷是对软件产品预期属性的偏离现象.它是影响软件质量的重要和关键因素之一,发现与排除软件缺陷是软件生命周期中的重要工作.本文从论述了软件缺陷的定义和属性出发,结合本单位嵌入式软件项目的单元测试与配置项测试实践,提炼了软件缺陷代表和典型示例,并对缺陷的来源和解决途径进行总结分析.

摘要： 国内某大型水电站采用晶闸管静止整流励磁系统NES5100系统,运行总体状况良好,但是在运行过程中也遇到了起励控制回路设计缺陷,直流操作电源和跨接器电源冗余配置不合理,跳闸回路监视缺失以及故障日志无法调取等问题.本文对上述问题进行分析,并就目前的解决办法进行阐述.

摘要： 国内某大型水电站采用晶闸管静止整流励磁系统NES5100系统,运行总体状况良好,但是在运行过程中也遇到了起励控制回路设计缺陷,直流操作电源和跨接器电源冗余配置不合理,跳闸回路监视缺失以及故障日志无法调取等问题.本文对上述问题进行分析,并就目前的解决办法进行阐述.

摘要： 国内某大型水电站采用晶闸管静止整流励磁系统NES5100系统,运行总体状况良好,但是在运行过程中也遇到了起励控制回路设计缺陷,直流操作电源和跨接器电源冗余配置不合理,跳闸回路监视缺失以及故障日志无法调取等问题.本文对上述问题进行分析,并就目前的解决办法进行阐述.

摘要： 本发明提供了一种面向开源软件缺陷特征深度学习的软件缺陷预测方法，属于软件工程技术领域。本发明包括：采集开源软件缺陷信息，构建软件缺陷数据库，将源代码生成抽象语法树；利用社团检测算法将抽象语法树进行剪枝得到缺陷子树，然后结合修复描述和项目基础信息、源代码来建立缺陷子树的信息语料库，从中提取主题单词并转化为向量表示，作为缺陷子树中节点的属性；最后建立基于图分类的卷积神经网络的软件缺陷预测模型，将缺陷子树表示为邻接矩阵和属性矩阵作为模型的输入训练卷积神经网络，识别待预测软件模块源代码是否具有缺陷倾向性。本发明利用深度学习的方法直接从结构化的软件代码中提取缺陷深度特征，能够取得更好的缺陷识别效果。

摘要： 本发明提供了一种软件缺陷预测方法和软件缺陷预测系统，用以解决现有的软件缺陷预测精度不高的问题。包括：降维处理单元、SVM训练单元和缺陷预测单元；其中步骤一、根据局部线性嵌入算法LLE对第一训练数据集进行降维处理，得到第一训练数据集中每个样本点映射到低维空间中的低维向量，得到由各低维向量组成的第二训练数据集；步骤二、根据所述第二训练数据集对支持向量机SVM分类器进行训练，得到SVM分类器的最优分类超平面函数，进而得到训练好的SVM分类器；步骤三、根据所述训练好的SVM分类器对待预测软件进行缺陷预测。

摘要： 本发明公开了一种无需缺陷标注数据的软件缺陷检测方法，首先获取所有已完成编码的等待测试的软件模块，构造无缺陷标注的数据集合；利用无缺陷标注的数据集合通过异常检测算法建立软件缺陷检测模型；通过建立好的模型输出每个未检测的软件模块的检测分数，表示模块中有缺陷的可能性大小，分数越高说明模块存在缺陷的可能性越大；将所有等待测试的模块按照检测分数由高到低排序，并将等待测试的模块按此顺序依次送交测试人员进行测试，直到所有模块都进行过测试或没有可用的测试资源时结束。本发明能够在没有缺陷标注数据的情况下检测软件缺陷，解决了当前的软件缺陷检测方法需要大量测试资源以获取缺陷标注数据的问题。

摘要： 本发明公开了一种面向缺陷补丁代码的软件缺陷原因自动分析方法，包括以下步骤：首先从缺陷库中抽取已修复缺陷的缺陷报告和修复代码文件，获得缺陷数据集；之后根据缺陷产生原因类别对缺陷数据集进行分类标记；再利用代码区分工具从修复代码文件中划分出与修复相关的代码块；接着从代码块中提取代码元素术语、修复模式；之后构建缺陷修复代码的修复树；然后将修复树转化为向量形式；最后通过卷积神经网络模型自动学习获取缺陷的原因分类模型。本发明的方法从多个角度表示缺陷的修复代码，充分利用了修复代码中包含的概念知识，并且将这种表示与缺陷原因分类联系在一起，得到缺陷原因自动分类模型，能够更有效地辅助开发者定位和修复缺陷。

摘要： 本发明公开了一种基于软件缺陷关联分析的软件缺陷定位方法。首先，收集大量大型项目的历史缺陷数据，同时爬取版本控制系统的提交日志信息，自动抽取其中缺陷修复信息，形成数据集。对软件的历史缺陷数据进行分析，挖掘软件缺陷之间存在何种关联关系，以及关联关系的类型。当一个项目中出现一个被报告的缺陷时，利用信息检索技术计算所报告的缺陷与源代码文件之间的相似性，得到一个源代码文件序列，其次根据历史缺陷数据，挖掘与该缺陷存在关联关系的所有历史缺陷的修复文件序列，将历史缺陷修复文件序列和信息检索得到的源代码文件序列加权融合，输出最终的缺陷定位序列，其中排名越高的源文件越有可能包含所报告的缺陷。

摘要： 本发明提供了一种面向开源软件缺陷特征深度学习的软件缺陷预测方法，属于软件工程技术领域。本发明包括：采集开源软件缺陷信息，构建软件缺陷数据库，将源代码生成抽象语法树；利用社团检测算法将抽象语法树进行剪枝得到缺陷子树，然后结合修复描述和项目基础信息、源代码来建立缺陷子树的信息语料库，从中提取主题单词并转化为向量表示，作为缺陷子树中节点的属性；最后建立基于图分类的卷积神经网络的软件缺陷预测模型，将缺陷子树表示为邻接矩阵和属性矩阵作为模型的输入训练卷积神经网络，识别待预测软件模块源代码是否具有缺陷倾向性。本发明利用深度学习的方法直接从结构化的软件代码中提取缺陷深度特征，能够取得更好的缺陷识别效果。

摘要： 本发明提供了一种软件缺陷预测方法和软件缺陷预测系统，用以解决现有的软件缺陷预测精度不高的问题。包括：降维处理单元、SVM训练单元和缺陷预测单元；其中步骤一、根据局部线性嵌入算法LLE对第一训练数据集进行降维处理，得到第一训练数据集中每个样本点映射到低维空间中的低维向量，得到由各低维向量组成的第二训练数据集；步骤二、根据所述第二训练数据集对支持向量机SVM分类器进行训练，得到SVM分类器的最优分类超平面函数，进而得到训练好的SVM分类器；步骤三、根据所述训练好的SVM分类器对待预测软件进行缺陷预测。

摘要： 本发明公开了一种基于航天软件缺陷数据分布离群点的缺陷预测方法及装置，包括：根据存在离群点现象的样本数据，构建航天嵌入式软件缺陷数据对应的离群点训练集和离群点测试集；根据所述离群点训练集，训练得到第一数量的软件缺陷预测模型；根据所述离群点测试集，对所述软件缺陷预测模型进行测试验证，并按照评价指标对所述软件缺陷预测模型进行排序，得到排序预测模型；基于遗传算法构建自动化搜索优化算法，并结合所述排序预测模型在元分类器基础上逐层递归，查找可被替换的模型节点；根据不同的评价指标和所述模型节点，优化得到目标模型结构，并获取航天嵌入式软件缺陷数据分布离群点的缺陷预测方法。本发明可以提高第三方软件测评效率。

摘要： 本发明公开了一种适用于海量不均衡缺陷报告的软件缺陷严重程度预测方法，包括以下步骤：1.构建缺陷报告数据集DBR；步骤2.构建缺陷报告样本集；步骤3.利用borderline‑smote算法实现建缺陷报告样本集中的样本均衡；步骤4.利用均衡后的缺陷报告样本集训练逻辑回归模型得到缺陷报告严重程度预测模型；步骤5.利用缺陷报告严重程度预测模型对新缺陷报告进行预测：利用引入了维基百科的语料库的bert模型将缺陷报告中描述信息生成仅有768维句子向量，同时利用borderline‑smote算法实现了由句子向量及严重程度构成的样本集中各类样本的均衡，提高软件缺陷严重程度预模型的训练效率及检测准确性。

摘要： 本发明公开了一种面向缺陷补丁代码的软件缺陷原因自动分析方法，包括以下步骤：首先从缺陷库中抽取已修复缺陷的缺陷报告和修复代码文件，获得缺陷数据集；之后根据缺陷产生原因类别对缺陷数据集进行分类标记；再利用代码区分工具从修复代码文件中划分出与修复相关的代码块；接着从代码块中提取代码元素术语、修复模式；之后构建缺陷修复代码的修复树；然后将修复树转化为向量形式；最后通过卷积神经网络模型自动学习获取缺陷的原因分类模型。本发明的方法从多个角度表示缺陷的修复代码，充分利用了修复代码中包含的概念知识，并且将这种表示与缺陷原因分类联系在一起，得到缺陷原因自动分类模型，能够更有效地辅助开发者定位和修复缺陷。