[发明专利]一种基于贝叶斯网络推理的软件错误分层诊断方法

摘要

本发明涉及一种基于贝叶斯网络推理的软件错误分层诊断方法，包括构建函数层，MIC理论的应用，提高统计依赖的准确度，改进并应用Laplace平滑策略，解决测试数据稀松性。进行测试预言，判断某测试用例对整个程序是否为失败测试用例。进行错误定位，计算函数的可疑度并排序，构建对应函数的语句层BNPDG，按可疑度排序对函数进行逐一检查，在函数的语句层BNPDG上进行测试预言，找到bug函数，在其语句层BNPDG上进行错误定位，得到函数中所有语句的可疑度排序。按照可疑度排序对语句进行逐一检查，直到找到bug语句。本发明减少了错误诊断的空间消耗和时间消耗。解决了RankCP等技术中计算的局部可疑度存在的问题。

主权项

一种基于贝叶斯网络推理的软件错误分层诊断方法，其特征在于，包括以下步骤：步骤1，以函数为代码元素，构建函数层贝叶斯网络程序依赖图，BNPDG是表示代码元素依赖关系的贝叶斯网络模型；函数层BNPDG表示为一个三元组(V，E，P)；V代表节点集合，每个节点代表一个代码元素，即一个自定义函数；函数节点，有其对应的状态空间，不同状态值代表该代码元素不同的执行过程；E代表有向边的集合，每条有向边都代表代码元素之间的依赖关系，可以是语义依赖，包括控制依赖和数据依赖，也可以是通过测试数据得到的统计依赖；P代表网络参数，即每个节点的条件概率分布；构建函数层BNPDG包括以下子步骤，步骤1.1，将要测试的程序代码生成程序依赖图，确定函数层BNPDG语义依赖关系；步骤1.2，利用程序执行数据生成统计依赖关系图，确定函数层BNPDG统计依赖关系；步骤1.3，融合控制依赖边、数据依赖边和统计依赖边，形成基于贝叶斯网络的程序依赖图初始结构；步骤1.4，去掉基于贝叶斯网络的程序依赖图初始结构中的环路；步骤1.5，学习基于贝叶斯网络的程序依赖图中的参数信息；步骤2，在函数层贝叶斯网络程序依赖图上进行测试预言的概率推理，判断某个测试用例对整个程序来说是否为失败的测试用例；当确定某测试用例为失败测试用例以后，在函数层贝叶斯网络程序依赖图上进行错误定位的概率推理，计算代码元素的可疑度并排序，得到按照可疑度排序的函数序列；步骤3，按照函数的可疑度排序，以每一个函数内的语句为代码元素，构建对应函数的语句层贝叶斯网络程序依赖图；语句层BNPDG可以表示为一个三元组(V，E，P)；V代表节点集合，每个节点代表一个代码元素，即一条程序语句；语句节点，有其对应的状态空间，不同状态值代表该代码元素不同的执行过程；E代表有向边的集合，每条有向边都代表代码元素之间的依赖关系，可以是语义依赖，包括控制依赖和数据依赖，也可以是通过测试数据得到的统计依赖；P代表网络参数，即每个节点的条件概率分布；构建语句层BNPDG包括以下子步骤，步骤3.1，将要测试的程序代码生成程序依赖图，确定语句层BNPDG语义依赖关系；步骤3.2，利用程序执行数据生成统计依赖关系图，确定语句层BNPDG统计依赖关系；步骤3.3，融合控制依赖边、数据依赖边和统计依赖边，形成基于贝叶斯网络的程序依赖图初始结构；步骤3.4，去掉基于贝叶斯网络的程序依赖图初始结构中的环路；步骤3.5，学习基于贝叶斯网络的程序依赖图中的参数信息；步骤4，按照函数的可疑度排序对函数进行逐一检查；检查某函数时，在该函数的语句层BNPDG上进行测试预言的概率推理，找到bug函数；在该bug函数的语句层贝叶斯网络程序依赖图上进行错误定位的概率推理，得到函数中所有语句的可疑度排序；按照语句的可疑度排序对语句进行逐一检查，直到找到真正的bug语句。