26310

ارائه­ ي روشي مبتني بر پوشش دامنه جهت مكان­يابي خودكار خطا

كارشناسي ارشد

كامپيوتر- نرم افزار

1397

1400/11/27

دكتر سعيد پارسا

-

مهندسي كامپيوتر

آزمون نرم­ افزار يكي از مراحل مهم در چرخه حيات توسعه نرم­ افزار است. روند آزمون هر سال صدها ميليارد دلار در سراسر جهان هزينه دارد. بنابراين، حتي پيشرفت­ هاي اندك در اين زمينه مي­تواند موجب كاهش هزينه­ و زمان بسيار زيادي شود. در حوزه نرم­ افزار، آزمون به طور عمده به آزمون پويا اشاره دارد. اين خود شامل طراحي و ايجاد موارد آزمون مناسب براي نرم‌افزار، اجراي نرم‌افزار با موارد آزمون و مشاهده نتايج مي‌باشد. پس از مرحله آزمون، هدف مشاهده نتايج اجراي برنامه و مكان‌يابي خطا مي‌باشد. در اين راستا در اين تحقيق ابتدا يك روش مبتني بر روش يادگيري ماشين براي تشخيص مسيرهاي مستعد خطا ارائه شده است و در مرحله‌ي بعدي ورودي تشكيل دهنده براي دامنه مسير مستعد خطا استخراج مي‌شود. دليل استفاده از پوشش دامنه به علت بالا بودن احتمالات متفاوت در ورودي‌هاي يك برنامه مي‌باشد كه براي يك مسير ممكن است فقط دامنه‌ي خاصي از آن‌ها، مسير را اجرا كند. براي مكان‌يابي بهتر خطا در مسير مستعد خطا، از اين دامنه ورودي‌هاي اجرا كننده مسير استفاده خواهد شد. مسئله يافتن دامنه براي يك مسير در زمان خطي قابل انجام نمي­باشد بنابراين با استفاده از روش زنجيره ماركوف مونت كارلو كه يك روش ابتكاري مي‌باشد دامنه استخراج خواهد شد. پس از يافته شدن دامنه مسير مستعد خطا، با روش پوشش تصميمات شرط‌هاي تغيير يافته، شاخه خطادار مشخص خواهد شد. قدم بعدي يافتن جمله خطادار مي‌باشد كه با استفاده از روشهاي مبتني بر جهش اين كار انجام خواهد گرفت. نتايج نشان مي‌دهد روش استخراج دامنه پيشنهادي درپارامترهايي مانند دقت استخراج دامنه نسبت به روش‌هاي پوشش مسيسر مرسوم 14 درصد بهبود يافته است و پوشش نقاط مرزي نزديك به 80 درصد بدست آمده است. همچنين روش مكان‌يابي خطا ارائه شده به كاهش 55 درصدي تعداد جهش‌ها منجر خواهد شد و دقت مكان‌يابي در موارد آزمايش شده 83.29 درصد بدست آمده است.

1401/01/20

A Domain Coverage Based Method for Automatic Fault Localization

2/16/2023 12:00:00 AM

Software testing is one of the most important steps in the software development lifecycle. The testing process costs hundreds of billions of dollars worldwide each year. Therefore, even small improvements in this area can greatly reduce costs and time. In the field of software engeeniring, the test mainly refers to the dynamic test. This includes designing and creating appropriate test cases for the software, running the software with the test cases, and monitoring the results. The next step is to view the program execution results and locate the fault if there is an error. In this regard, first, a method based on machine learning approched to identify fault prone path is presented. In the next step, the constituent inputs for the fault-prone path domain are extracted. The reason for using domain coverage is due to the high number of inputs of a program that for a path may only run a certain range of inputs. . These inputs will be used to locate the fault faster in the fault-prone path. The domain extraction problem for a program path cannot be done in linear time, so it will be extracted using the Monte Carlo Markov chain method. After finding the domain of the fault-prone path, the fault branch is identified by the method of modified conditions/ decition coverage (mcdc). After finding the faulty branch, the problem is to find the faulty statement, which we will try to locate the faulty sentence using mutation-based methods at this stage. The results show that the proposed domain extraction method has performed better than other methods in parameters such as domain extraction accuracy and boundary point coverage. Also, the proposed fault localization method has led to a reduction in the number of mutations and has better localization accuracy than the conventional mutation-based localization method.

آزمون نرم‌افزار , مكان‌يابي خطا , استخراج دامنه , توليد داده آزمون , زمون مبتني بر مسير

Software Testing , Fault Localization , Domain Extraction , Test Data Generation , Path Orianted Testing

Roshan Golmohammadi

Saeed Parsa