输入域缺陷定位技术实证研究
发布时间：2021-07-18 14:03
软件测试往往需要通过完全测试来保证软件系统的质量。然而,现实生活中引起系统发生故障的输入域参数可能有很多,这使得完全测试几乎成为不可能。组合测试是一种输入域测试技术,能够生成较少的测试用例来定位软件系统中由于参数交互引发的故障。通过组合测试发现故障之后,需要通过输入域缺陷定位技术来找到系统中的缺陷并加以修改,缺陷的外在体现即为发生故障时的极小故障模式。学术界现有的输入域缺陷定位技术主要分为两种:非自适应方法和自适应方法。前者采用两种类型的错误定位表ELAs,一种是高维组合覆盖表CA,另一种是部分覆盖表PCA。后者包括Iter AIFL、FIC、RI、TRT、ICT等。本团队曾对输入域缺陷定位技术做过研究和分析,但存在两个问题:（1）实验数据集规模太小（2）实验方案存在初始测试用例集对错误的检测能力不受控的不足。本文采用了新的实验方案并增加了参数取值大于二的西门子程序集作为实验对象,将现存的几乎所有的输入域缺陷定位方法进行了详细分析和比较。本文的主要研究成果如下:（1）以TCAS集中抽取的20条布尔规约及其19131条变异体作为实验对象,验证安全值向量是否普遍存在,ELA假设安全值向量存...
【文章来源】：南京邮电大学江苏省
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
PCA和CA在维度dt时的测试用例数量
南京邮电大学硕士研究生学位论文第三章非自适应方法的比较18表3.4每种变异类型下含有安全值向量的变异体占比变异类型含有安全值向量变异体占比变异类型含有安全值向量变异体占比ASF23/85LRF2014/6776CCF3310/5343MLF170/428CDF2998/5012ORF13/348ENF29/100SA0160/346LNF151/364SA1163/3293.3.2高维CA和PCA非自适应故障定位的效果CA和PCA所需的测试用例数量，recall，precision，f-measure见图3.1，图3.2，图3.3，图3.4。图中左侧红色的箱子代表PCA，右侧蓝色的箱子代表CA，横坐标的1-20代表布尔表达式TCAS1-20。由于实验室以前的研究中[34]仅仅比较了TCAS1-10的实验结果，本实验对剩下的布尔表达式TCAS11-20进行实验得到实验结果，且采用对比箱线图更直观地展示了TCAS1-20的整体数据并分析了实验结果。图3.1PCA和CA在维度dt时的测试用例数量图3.2PCA和CA在维度dt时的Recall
南京邮电大学硕士研究生学位论文第三章非自适应方法的比较19图3.3PCA和CA在维度dt时的Precision图3.4PCA和CA在维度dt时的F-measure从测试用例数量来看，所有情况下，生成PCA所需的测试用例数量均远远少于CA。从recall来看，PCA和CA均达到100%，只有在TCAS7中，PCA存在recall不为100%的情况。从precision来看，所有情况下，PCA的效果都比CA的效果差。从f-measure的整体水平来看，依然是CA的效果要比PCA的好。所以不考虑所需的测试用例数量，采用CA进行非自适应故障定位的效果要比PCA的好。但是PCA所需的测试用例数量比CA少的多，并且recall的水平能够达到100%，因此采用PCA作为ELA进行非自适应故障定位的效率更高。总的来说，采用CA作为ELA进行非自适应故障定位的效果更好而PCA的效率更高。3.3.3非自适应方法和自适应方法的比较根据四个评价指标，非自适应方法所需的测试用例数量和自适应方法生成的附加测试用例的数量，recall，precision，f-measure生成的箱线图分别见图3.5，图3.6，图3.7，图3.8。横坐标代表着现有的几种自适应方法和不同维度的组合覆盖表CA作为错误定位表ELA的非自适应方法。
【参考文献】：
期刊论文
[1]组合测试故障定位的关系树模型[J]. 钮鑫涛,聂长海,CHAN Alvin. 计算机学报. 2014(12)
[2]基于错误交互集的组合测试软件故障定位方法[J]. 王建峰,魏长安,盛云龙,姜守达. 电子学报. 2014(06)
[3]软件兼容性测试的故障定位分析[J]. 赵勇,张智强,严俊,张健. 计算机科学与探索. 2013(05)
[4]基于组合测试的软件故障定位的自适应算法[J]. 周吴杰,张德平,徐宝文. 计算机学报. 2011(08)
[5]基于部分覆盖表的错误交互定位方法[J]. 周吴杰,张德平,徐宝文. 计算机学报. 2011(06)
[6]一种新的二水平多因素系统两两组合覆盖测试数据生成算法[J]. 聂长海,徐宝文,史亮. 计算机学报. 2006(06)
[7]一种基于组合测试的软件故障调试方法[J]. 徐宝文,聂长海,史亮,陈火旺. 计算机学报. 2006(01)
[8]基于接口参数的黑箱测试用例自动生成算法[J]. 聂长海,徐宝文. 计算机学报. 2004(03)
[9]一种基于组合测试的软件故障诊断方法[J]. 聂长海,徐宝文,史亮. 东南大学学报(自然科学版). 2003(06)
硕士论文
[1]基于组合测试的故障定位方法研究[D]. 李广林.南京邮电大学 2017
[2]组合测试与自适应随机测试的理论研究[D]. 祁元超.南京邮电大学 2016
[3]组合测试故障规律的研究[D]. 徐驰亚.南京邮电大学 2016
本文编号：3289719
【文章来源】：南京邮电大学江苏省
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
PCA和CA在维度dt时的测试用例数量
南京邮电大学硕士研究生学位论文第三章非自适应方法的比较18表3.4每种变异类型下含有安全值向量的变异体占比变异类型含有安全值向量变异体占比变异类型含有安全值向量变异体占比ASF23/85LRF2014/6776CCF3310/5343MLF170/428CDF2998/5012ORF13/348ENF29/100SA0160/346LNF151/364SA1163/3293.3.2高维CA和PCA非自适应故障定位的效果CA和PCA所需的测试用例数量，recall，precision，f-measure见图3.1，图3.2，图3.3，图3.4。图中左侧红色的箱子代表PCA，右侧蓝色的箱子代表CA，横坐标的1-20代表布尔表达式TCAS1-20。由于实验室以前的研究中[34]仅仅比较了TCAS1-10的实验结果，本实验对剩下的布尔表达式TCAS11-20进行实验得到实验结果，且采用对比箱线图更直观地展示了TCAS1-20的整体数据并分析了实验结果。图3.1PCA和CA在维度dt时的测试用例数量图3.2PCA和CA在维度dt时的Recall
南京邮电大学硕士研究生学位论文第三章非自适应方法的比较19图3.3PCA和CA在维度dt时的Precision图3.4PCA和CA在维度dt时的F-measure从测试用例数量来看，所有情况下，生成PCA所需的测试用例数量均远远少于CA。从recall来看，PCA和CA均达到100%，只有在TCAS7中，PCA存在recall不为100%的情况。从precision来看，所有情况下，PCA的效果都比CA的效果差。从f-measure的整体水平来看，依然是CA的效果要比PCA的好。所以不考虑所需的测试用例数量，采用CA进行非自适应故障定位的效果要比PCA的好。但是PCA所需的测试用例数量比CA少的多，并且recall的水平能够达到100%，因此采用PCA作为ELA进行非自适应故障定位的效率更高。总的来说，采用CA作为ELA进行非自适应故障定位的效果更好而PCA的效率更高。3.3.3非自适应方法和自适应方法的比较根据四个评价指标，非自适应方法所需的测试用例数量和自适应方法生成的附加测试用例的数量，recall，precision，f-measure生成的箱线图分别见图3.5，图3.6，图3.7，图3.8。横坐标代表着现有的几种自适应方法和不同维度的组合覆盖表CA作为错误定位表ELA的非自适应方法。
【参考文献】：
期刊论文
[1]组合测试故障定位的关系树模型[J]. 钮鑫涛,聂长海,CHAN Alvin. 计算机学报. 2014(12)
[2]基于错误交互集的组合测试软件故障定位方法[J]. 王建峰,魏长安,盛云龙,姜守达. 电子学报. 2014(06)
[3]软件兼容性测试的故障定位分析[J]. 赵勇,张智强,严俊,张健. 计算机科学与探索. 2013(05)
[4]基于组合测试的软件故障定位的自适应算法[J]. 周吴杰,张德平,徐宝文. 计算机学报. 2011(08)
[5]基于部分覆盖表的错误交互定位方法[J]. 周吴杰,张德平,徐宝文. 计算机学报. 2011(06)
[6]一种新的二水平多因素系统两两组合覆盖测试数据生成算法[J]. 聂长海,徐宝文,史亮. 计算机学报. 2006(06)
[7]一种基于组合测试的软件故障调试方法[J]. 徐宝文,聂长海,史亮,陈火旺. 计算机学报. 2006(01)
[8]基于接口参数的黑箱测试用例自动生成算法[J]. 聂长海,徐宝文. 计算机学报. 2004(03)
[9]一种基于组合测试的软件故障诊断方法[J]. 聂长海,徐宝文,史亮. 东南大学学报(自然科学版). 2003(06)
硕士论文
[1]基于组合测试的故障定位方法研究[D]. 李广林.南京邮电大学 2017
[2]组合测试与自适应随机测试的理论研究[D]. 祁元超.南京邮电大学 2016
[3]组合测试故障规律的研究[D]. 徐驰亚.南京邮电大学 2016
本文编号：3289719
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3289719.html
