[发明专利]一种排序相似性软件异常行为建模方法及计算机可读介质

说明书

本发明提供了一种排序相似性软件异常行为建模方法及计算机可读介质。本发明方法使多故障程序数据集和多项外部指标评估故障表征函数应用于故障分离过程的有效性，依据评估结果为故障排序表征计算适应度得分，基于适应度得分，通过基因编程算法的交叉、复制和变异操作演化故障表征函数种群直到达成终止条件，将演化得到具有最高适应度的故障排序表征个体作为故障分类模型，用于真实多故障程序的故障分离。本发明提供了解决了目前暂无可用面向故障分离的故障排序表征自动化生成方法的问题、无法建立故障排序表征到失败测试用例表征能力的映射关系的问题，且利用本发明方法可实现高效的自动化故障排序表征生成，并用于实际生产中的故障分离工作。

技术领域

本发明涉及计算机技术领域，具体涉及一种排序相似性软件异常行为建模方法及计算机可读介质。

背景技术

软件缺陷定位技术旨在找出导致软件异常行为的根源，对于保证和提升软件质量、增强软件修复技术的有效性具有重要意义。在软件测试过程中，测试用例的实际输出与预期输出不同预示着软件中潜藏有至少一处缺陷，开发人员必须迅速地修复缺陷，才能恢复软件的正常功能。然而，修复缺陷的前提是定位缺陷，只有准确地找到引发软件执行异常行为的内在根源，才能为后续的修复过程提供有效基础。为此，诸多软件缺陷定位方法先后被提出，如基于程序突变技术的定位方法、基于程序频谱技术的定位方法等。尽管这些方法都已被证明具有良好的缺陷定位效果，但它们几乎都基于单故障假设，即假定一个错误程序中仅含有一处缺陷。随着软件规模的不断增长及软件系统复杂性的日益提升，一个错误的程序中几乎不可能只含有一处缺陷。换句话说，多故障环境才是真实环境下软件调试任务面临的常态。

多个故障的同时存在会严重降低传统单故障定位方法的有效性，因此，多故障软件故障定位技术成为了当前故障定位研究领域的热点之一。该类技术首先利用在单故障定位中为程序元素估计可疑度的风险评估函数为每个失败测试用例生成排序列表表征，建立失败测试用例与软件故障之间的联系，从而根据故障源划分失败测试用例，以隔离由不同故障引起的失败测试用例，削弱软件故障之间的相互影响，然后在每个失败测试用例类上并行应用单故障定位方法，将多故障定位问题拆解为多个单故障定位问题。其中，故障划分过程的有效性决定了并行单故障定位的精确度，而所使用的风险评估函数对故障划分的有效性有着重大影响。

然而，现有多故障定位技术在进行故障划分时所使用的风险评估函数均是针对单故障定位应用场景所设计的。在多故障隔离和单故障定位中需要考虑的因素并不完全相同，因此，单故障场景中的最优风险评估函数并不一定拥有良好的多故障隔离性能。直觉上，如果风险评估函数具有更强的故障特征提取能力，它所生成的排序列表就将能够更正确地模拟失败测试用例，从而获得更好的并行调试效果。因此，使用能够正确表示多故障场景中故障的风险评估函数是非常重要的。

可以重新根据使用目的，以能够生成表征能力强且适应划分算法的失败测试用例表征为目标，手工或使用自动化方法设计故障表征函数(风险评估函数)，从而提高故障划分过程的有效性，进而提高多故障定位的精确度。

然而，目前度量失败测试用例表征能力的方法仍然较为缺乏，只能通过故障划分过程的有效性间接对失败测试用例表征进行评估；另一方面，在确定所使用的风险评估函数后，还需要结合每个失败测试用例与全部成功测试用例的执行信息，为所有程序元素计算可疑度并将其根据所计算得到的可疑度进行排序，最终得到的排序列表才可作为失败测试用例的表征。这一复杂的表征生成方式和间接的评估方法导致难以确定故障表征函数与失败测试用例表征能力之间的映射关系，因而无法使用人工神经网络等方法训练故障表征函数。同时，若采用手工设计故障表征函数的方法，由于只能凭借人类直觉进行设计，所得到的故障表征函数的表征能力也远无法达到理想，且设计效率远不如自动化生成。如何设计一个可靠的面向故障划分的故障表征函数生成方法是一个重要问题。

发明内容

为了解决上述技术问题，本发明提供了一种排序相似性软件异常行为建模方法及计算机可读介质。

本发明提供了一种基于排序相似性的软件异常行为建模方法，具体步骤如下：