20406

۲۰۴۰۶

ارائه رويكرد جديد مبتني بر كاهش پوياي دامنه جهت بهبود توليد داده‌هاي آزمون و مكان‌يابي خطاهاي پنهان

دكتري

نرم افزار

۱۳۹۱

۱۳۹۷/۰۸/۲۷

دكتر سعيد پارسا

كامپيوتر

توليد داده آزمون نقش كليدي در موفقيت فرآيند آزمون نرم‌افزار دارد. هدف از توليد داده آزمون تهيه مجموعه‌اي از داده‌ها براي ورودي‌هاي برنامه است كه قادر به ارضاء معيارهاي آزمون باشند. اكثر روش‌هاي موجود به دنبال توليد صرفاً يك داده آزمون براي پوشش معيارها هستند، درحالي‌كه بسياري از خطاها در صورتي آشكار مي‌شوند كه برنامه تحت آزمون با مقدار خاصي و يا دامنه خاصي از ورودي اجرا شود. به‌بيان‌ديگر اجراشدن دستورالعمل خطا، با هر مقدار دلخواهي، الزاماً خطا را آشكار ننموده و ممكن است نتيجه آزمون تصادفاٌ موفق باشد. ازاين‌رو توليد داده‌هايي كه منجر به خطا شوند امري ضروري است. هرچند راهكارهاي فراواني در اين خصوص ارائه گرديده، اما همچنان چالش‌هاي فراواني در زمينهي توليد داده آزمون مناسب و كارآمد وجود دارد. هدف اصلي اين رساله آن است كه به‌جاي صرف هزينه جهت به دست آوردن داده آزمون، آن‌را صرف به‌دست آوردن زيردامنه آزمون نمايد. با به‌دست آوردن زيردامنه‌اي، از دامنه ورودي، كه حاوي مقادير لازم جهت پوشش معيار موردنظر باشد، مي‌توان به‌كرات برنامه را اجرا نموده و اطمينان داشت كه همگي آن‌ها معيار موردنظر را پوشش خواهند داد. جهت نيل به اين هدف و پالايش دامنه اوليه متغيرهاي ورودي، از داده‌هاي زائد، آن‌ها مكرراٌ به زيردامنه‌هاي همپوشان تقسيم شده و آن دسته از زيردامنه‌ها كه قادر به ارضاء شرايط معيار آزمون نباشند، از دامنه ورودي جدا مي‌گردند. با نگاشت كردن دامنه ورودي، و تقسيمات آن، به يك نمودار اويلر/ون و به‌كارگيري اصول و قواعد نظريه مجموعه‌ها مي‌توان در خصوص اعتبار بسياري از زيردامنه‌ها استنتاج نموده و فرآيند تشخيص زيردامنه‌هاي زائد را سرعت بخشيد. استفاده از داده آزمون باعث ايجاد جهشي بزرگ در افزايش دقت روش‌هاي مكان‌يابي خطا گرديده است. اين جهش در ارزيابي‌هاي صورت گرفته بهخوبي مشهود است. نتايج به‌دست آمده از بكارگيري رويكردهاي پيشنهادي، در خصوص توليد داده آزمون و همچنين مكان‌يابي خطا، بيانگر تفاوت معنادار آن نسبت به رويكردهاي مشابه مي‌باشند.

1398/02/09

Providing a New Approach Based on Dynamic Domain Reduction to Imrove Test Data Generation and Latent Faults Localization

4/29/2019 12:00:00 AM

Test data generation plays an important role in the field of software testing, which is the process of identifying a set of program input data that satisfies a given testing criterion. Most of the test data generation approach, generate a set of test data to satisfy the test criterion at least once. However, detection of latent faults may require several executions of the faulty path with different test data, before the fault could be detected. In other words, the execution of the faulty statement, with any arbitrary value, does not necessarily reveal the fault and the test result may be coincidental correctness. Therefore, generating failure causing test data is imperative. Although many approaches have been proposed in this regard, there are still many challenges in generating appropriate test data. Motivated by this fact, in this thesis, a new criterion, domain coverage, for white box testing is introduced. In search of the biggest subdomains for input variables exercising a given path, the variable domains are repeatedly broken down into nested overlapping subdomains as far as the resultant subdomains either satisfy or violate the path constraint. Representing the relation between the subdomains and their parents as a directed acyclic graph, an Euler/Venn reasoning system could be applied to select the most appropriate subdomains. This approach has led to a significant leap in increasing the accuracy of fault localization methods. The experimental results, in test data generation and fault localization, prove the outperformance of our proposed methods compared to state-of-the-art techniques.