支持软件可信演化的故障定位研究

Software fault location refers to the process of looking for the reasons leading to the failure of system according to the fault symptoms which is one of the prerequisites for implementing trustworthy evolution successfully. This project proposes an fault model based fault location method aiming at the shortage of current research. The research includes four parts: 1) Implements fault data collection with the method of fault injection which focuses on the fault data model， trustworty attributes evaluation and fault data noise reduction. The research results are the foundation for the construction of fault model. 2) Establishes fault model providing the basis for subsequent comparison. This process focus on the fault type numbers dynamic adjustment capability and the verification of model classification capability. 3) Achieves fault location by comparing fault model with failure symptoms which focus on the using accompany time window and association between faults to improve the accuracy of fault location and builds fault location results feedback mechanism to realise fault model incremental updating in order to ensure continued classification accuracy to the fault data. 4 ) Examines the correctness of the method proposed in this project and recognize the key factors and mechanism influencing the efficiency through the well designed experiment. The research result provides decision support to the targeted trustworthy evolving activities and it is also helpful to reduce the cost and time.

软件故障定位指根据故障征兆寻找导致失效原因的过程。该过程是软件成功实施可信演化的前提条件之一。针对当前支持软件可信演化的故障定位研究中存在的不足，提出了一种基于故障模型的故障定位方法。研究内容包含4部分：1）采用故障注入方法实现故障数据采集，重点考察故障数据模型、故障状态可信性度量和故障数据降噪问题，为建立故障模型奠定基础；2）建立故障模型为后续故障定位提供比对基础，着重关注故障类型数量的动态调整和模型分类能力验证问题；3）将故障模型与故障征兆进行对比实现定位。重点关注利用伴随时间窗口和故障之间的相关性提高故障定位的准确率以及建立故障定位结果反馈机制实现故障模型增量式更新，确保对故障征兆具有持续的准确分类能力；4）设计完整的实验，检验本项目提出方法的正确性，识别影响效率的关键因素及其作用机制。研究成果对有针对性地执行可信演化活动具有决策支持作用，有助于降低软件可信演化的成本和时间开销。

故障定位研究是软件系统顺利演化的重要支撑技术之一。文本故障定位方法由于具有高易用和低开销等优点，近年来成为了当前故障定位研究领域的热点。现有的文本故障定位方法研究大部分基于传统自然语言处理和信息检索技术实现，因而存在三个主要问题：语料库噪声过滤不完善、单一索引方法缺陷和忽略源代码数据特殊性。本项目对现有文本故障定位方法中存在的三个主要问题进行了探讨，并提出了相关解决方法，在如下四个方面获得了一些有意义的结果。. （1）针对源代码中的噪声数据问题，提出面向文本故障定位问题的词性过滤算法。引入词性过滤算法对源代码关键词进行预处理，并讨论了源代码关键词中的词性问题。通过过滤特定词性词汇，在缩减索引空间内向量稀疏性的同时，提高相似度计算的准确性，从而提升文本故障定位方法的性能。. （2）针对单一索引方法的语义信息损失问题，提出了结构信息驱动的语义相似度集成算法，该算法以源代码自身结构的“内聚度”和 “耦合度”作为评价指标，将“词袋”模型索引方法与词嵌入模型索引方法所计算出的相似度进行集成，以期获得更为精确的相似性度量，从而提高文本故障定位方法的性能。. （3）为脱离结构信息驱动的语义相似度集成算法实现过程中软件系统结构信息的约束，提出基于区分度的语义相似度集成算法。该方法将索引模型计算出的相似度分布定义为区分度，以区分度作为加权依据，实现不同索引模型相似度的集成，以提高文本定位方法的性能。. （4）针对由于不同软件系统源代码数据风格的特殊性，而导致的传统文本分析方法在软件系统故障定位问题上存在的适应性问题，提出一种自适应的软件系统文本故障定位过程优化方法。该方法通过小样本数据的训练，可自动识别最优的文本故障定位过程，从而实现数据决定文本故障定位过程。