软件综合剖面分布模型的挖掘及测试

Facing the bottlenecks, challenges and opportunities in modern software industry, this project proposes to deeply and comprehensively investigate essential distributions of various composite software profiles. By providing more accurate and instructive guidance, this proposal tries to bring some breakthrough for software testing. Aiming at some problems in current related studies, the research contents of this project will include: (1) Construct composite profiles by making extensions on both software behaviors and types of profiles, where we will isolate multiple critical behaviors, track and record profile information from perspectives like white-box, black-box, performance and human factor; (2) Deeply investigate a large amount of historical data, in order to mine the distributions on these composite profiles that can accurately represent essential features and properties of the software; (3) Conduct comprehensive case studies, build a repository to collect and manage profile distribution models, and investigate profile-based test case generation, prioritization, reduction, etc., to support reliability analysis and debugging; (4) Implement a platform to support all the above features, and provide visualization plug-in to facilitate the application of the proposed techniques and the comprehension of various models. With the above proposal, we aim to deeply mine the distributions of diverse modern software profiles, based on which we will design testing methods that can essentially save the cost and improve the fault detection ability. These methods can effectively support debugging and hence improve the software quality.

面对现代软件测试发展遇到的瓶颈、挑战与机遇，本项目提出对软件综合剖面模型进行深入研究，以此为软件测试的发展寻找突破口，为测试及各项相关工作提供更加精准的信息与指导。针对研究现状中存在的问题，本项目拟包括以下具体研究内容：(1)从软件行为和剖面类型两个维度进行扩展，定位多种关键行为，追踪白盒、黑盒、性能以及人为等多个视角的剖面信息，构造综合剖面模型；(2)通过对海量历史信息的分析，深入挖掘能够高效准确地反映软件本质行为属性特征的剖面分布；(3)对大量真实案例进行分析，构建实用的剖面模型数据仓库，研究基于剖面分布模型的测试用例生成、优化、约减等技术，并探索其对可靠性预测及调试工作的支持；(4)研制相应的支撑平台，并提供可视化插件，辅助平台的使用和模型的理解。通过上述研究将深入挖掘现代软件的行为属性分布，设计出能够从本质上降低开销、提高检错效率的测试方法，真正高效精准地服务于调试，提高软件质量。

面对现代软件测试发展遇到的挑战与机遇，本项目以软件综合剖面模型为基础，以软件测试为目标，研究基于软件综合剖面分布模型的挖掘与测试。具体研究内容包括：(1) 构建定义面向多种软件行为的综合剖面模型；(2) 基于海量历史数据的剖面分布挖掘；(3) 软件综合剖面分布模型指导下的测试及相关技术；(4) 研制相应的支撑平台并结合实际软件进行实验验证。本项目的重要成果包括：1) 构建了一种面向软件性能信息的剖面模型，该模型同时考虑了软件架构影响和性能优化可能性；构建了一种面向代码覆盖信息的剖面模型，通过差分测试和蜕变测试检测错误的代码覆盖信息；2) 深入挖掘开源软件仓库中C++模板的使用情况，Python项目中的跨项目错误， Python项目中与动态类型相关的编码规范以及bug报告标签，对收集的数据进行了实证研究，为了解代码模板使用、跨项目错误的影响，编码规范以及缺陷预测与修复提供了指导。3)提出了基于众包测试和变异测试的测试方法，为优化测试用例生成工作提供了帮助。提出了基于指标序列和基于代码语义的缺陷预测方法，并对代码异味对软件可靠性的影响进行了实证研究，有助于合理分配软件测试资源以及有效的进行软件维护工作。提出了一种结合程序语义与类似人类推理结果的软件调试方法，为自动化调试提供了指导；提出了基于特征选择的缺陷定位方法和基于Sendys的频谱缺陷定位方法，为软件生态系统中缺陷追踪提供了帮助。本项目可以为软件测试及各项相关工作提供有力支持，具有重要的理论和应用价值。本项目共产出高水平学术论文23篇，其中期刊论文13篇，国内外会议论文10篇，申请国家发明专利4项。